R recipes step_spline_convex 凸樣條

step_spline_convex() 創建創建凸樣條特征的配方步驟的規範。

用法

step_spline_convex(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  deg_free = 10,
  degree = 3,
  complete_set = TRUE,
  options = NULL,
  keep_original_cols = FALSE,
  results = NULL,
  skip = FALSE,
  id = rand_id("spline_convex")
)

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

對於此步驟創建的模型項，應為其分配什麽分析角色？默認情況下，此步驟根據原始變量創建的新列將用作模型中的預測變量。

trained

指示預處理數量是否已估計的邏輯。

deg_free

b-spline 的自由度。隨著 b-spline 自由度的增加，可以生成更靈活和複雜的曲線。

degree

C-spline 的次數定義為關聯的 M-spline 的次數，而不是實際多項式的次數。例如，C-spline 2 次基定義為關聯的 M-spline 2 次基的縮放二重積分。

complete_set

如果TRUE，將返回完整的基礎矩陣。否則，第一個基礎將從輸出中排除。這映射到intercept相應函數的參數樣條2包並具有相同的默認值。

options

splines2::cSpline() 的選項列表，不應包括 x 、 df 、 degree 或 intercept 。

keep_original_cols

將原始變量保留在輸出中的邏輯。默認為 FALSE 。

results

訓練步驟後創建的對象列表。

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

具有類 "step_spline_convex" 和 "step" 的對象。

細節

樣條變換采用數字列並創建多個特征，當在模型中使用這些特征時，可以估計列和某些結果之間的非線性趨勢。自由度決定了向數據添加多少新特征。

這些特定的樣條函數具有保證是凸的形式。

如果所選列的樣條擴展失敗，該步驟將刪除該列的結果(但將保留原始數據)。使用tidy() 方法確定使用了哪些列。

整理

當您tidy()此步驟時，將返回帶有列terms(將受影響的列)的tibble。

調整參數

此步驟有 2 個調整參數：

• deg_free：樣條曲線自由度(類型：整數，默認值：10)

• degree ：多項式次數(類型：整數，默認值：3)

箱重

底層操作不允許使用案例權重。

也可以看看

例子

library(tidyr)
library(dplyr)

library(ggplot2)
data(ames, package = "modeldata")

spline_rec <- recipe(Sale_Price ~ Longitude, data = ames) %>%
  step_spline_convex(Longitude, deg_free = 6, keep_original_cols = TRUE) %>%
  prep()

tidy(spline_rec, number = 1)
#> # A tibble: 1 × 2
#>   terms     id                 
#>   <chr>     <chr>              
#> 1 Longitude spline_convex_TpMy9

# Show where each feature is active
spline_rec %>%
  bake(new_data =  NULL,-Sale_Price) %>%
  pivot_longer(c(starts_with("Longitude_")), names_to = "feature", values_to = "value") %>%
  mutate(feature = gsub("Longitude_", "feature ", feature)) %>%
  filter(value > 0) %>%
  ggplot(aes(x = Longitude, y = value)) +
  geom_line() +
  facet_wrap(~ feature)