R recipes step_scale 縮放數值數據

step_scale() 創建配方步驟的規範，該規範將標準化數值數據以使其標準差為 1。

用法

step_scale(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  sds = NULL,
  factor = 1,
  na_rm = TRUE,
  skip = FALSE,
  id = rand_id("scale")
)

參數

recipe: 一個菜譜對象。該步驟將添加到此配方的操作序列中。
...: 一個或多個選擇器函數用於為此步驟選擇變量。有關更多詳細信息，請參閱selections()。
role: 由於沒有創建新變量，因此此步驟未使用。
trained: 指示預處理數量是否已估計的邏輯。
sds: 標準差的命名數值向量。在由 prep() 計算之前，這是 NULL 。
factor: 1 或 2 的數值，將數字輸入縮放一或兩個標準差。通過除以兩個標準差，可以用與二進製輸入相同的方式解釋附加到連續預測變量的係數。默認為 1 。更多內容請參考下文。
na_rm: 一個邏輯值，指示計算標準差時是否應刪除 NA 值。
skip: 一個合乎邏輯的。當bake() 烘焙食譜時是否應該跳過此步驟？雖然所有操作都是在 prep() 運行時烘焙的，但某些操作可能無法對新數據進行(例如處理結果變量)。使用skip = TRUE時應小心，因為它可能會影響後續操作的計算。
id: 該步驟特有的字符串，用於標識它。

值

recipe 的更新版本，將新步驟添加到任何現有操作的序列中。

細節

縮放數據意味著從數據中除掉變量的標準差。 step_scale 根據 prep.recipe 的 training 參數中使用的數據估計變量標準差。 bake.recipe 然後使用這些標準差將縮放應用於新數據集。

整理

當您 tidy() 此步驟時，將返回包含列 terms(選擇的選擇器或變量)和 value(標準差)的小標題。

箱重

此步驟執行可以利用案例權重的無監督操作。因此，個案權重僅與頻率權重一起使用。有關更多信息，請參閱 case_weights 中的文檔和 tidymodels.org 中的示例。

參考

Gelman, A. (2007)“通過除以兩個標準差來縮放回歸輸入。”未發表。來源：http://www.stat.columbia.edu/~gelman/research/unpublished/standardizing.pdf.

也可以看看

其他標準化步驟：step_center()、step_normalize()、step_range()

例子

data(biomass, package = "modeldata")

biomass_tr <- biomass[biomass$dataset == "Training", ]
biomass_te <- biomass[biomass$dataset == "Testing", ]

rec <- recipe(
  HHV ~ carbon + hydrogen + oxygen + nitrogen + sulfur,
  data = biomass_tr
)

scaled_trans <- rec %>%
  step_scale(carbon, hydrogen)

scaled_obj <- prep(scaled_trans, training = biomass_tr)

transformed_te <- bake(scaled_obj, biomass_te)

biomass_te[1:10, names(transformed_te)]
#>    carbon hydrogen oxygen nitrogen sulfur    HHV
#> 15  46.35     5.67  47.20     0.30   0.22 18.275
#> 20  43.25     5.50  48.06     2.85   0.34 17.560
#> 26  42.70     5.50  49.10     2.40   0.30 17.173
#> 31  46.40     6.10  37.30     1.80   0.50 18.851
#> 36  48.76     6.32  42.77     0.20   0.00 20.547
#> 41  44.30     5.50  41.70     0.70   0.20 18.467
#> 46  38.94     5.23  54.13     1.19   0.51 15.095
#> 51  42.10     4.66  33.80     0.95   0.20 16.240
#> 55  29.20     4.40  31.10     0.14   4.90 11.147
#> 65  27.80     3.77  23.69     4.63   1.05 10.750
transformed_te
#> # A tibble: 80 × 6
#>    carbon hydrogen oxygen nitrogen sulfur   HHV
#>     <dbl>    <dbl>  <dbl>    <dbl>  <dbl> <dbl>
#>  1   4.45     4.74   47.2     0.3    0.22  18.3
#>  2   4.16     4.60   48.1     2.85   0.34  17.6
#>  3   4.10     4.60   49.1     2.4    0.3   17.2
#>  4   4.46     5.10   37.3     1.8    0.5   18.9
#>  5   4.68     5.28   42.8     0.2    0     20.5
#>  6   4.26     4.60   41.7     0.7    0.2   18.5
#>  7   3.74     4.37   54.1     1.19   0.51  15.1
#>  8   4.04     3.89   33.8     0.95   0.2   16.2
#>  9   2.81     3.68   31.1     0.14   4.9   11.1
#> 10   2.67     3.15   23.7     4.63   1.05  10.8
#> # ℹ 70 more rows
tidy(scaled_trans, number = 1)
#> # A tibble: 2 × 3
#>   terms    value id         
#>   <chr>    <dbl> <chr>      
#> 1 carbon      NA scale_nNppk
#> 2 hydrogen    NA scale_nNppk
tidy(scaled_obj, number = 1)
#> # A tibble: 2 × 3
#>   terms    value id         
#>   <chr>    <dbl> <chr>      
#> 1 carbon   10.4  scale_nNppk
#> 2 hydrogen  1.20 scale_nNppk

源代碼：R/scale.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Scaling Numeric Data。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。