R themis step_tomek 刪除 Tomek 的鏈接

step_tomek() 創建一個配方步驟的規範，該步驟刪除 tomek 鏈接的大多數類實例。

用法

step_tomek(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  column = NULL,
  skip = TRUE,
  seed = sample.int(10^5, 1),
  id = rand_id("tomek")
)

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選擇使用哪個變量對數據進行采樣。有關更多詳細信息，請參閱selections()。選擇應產生單因子變量。對於tidy 方法，當前未使用這些。
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。
column: 將由 ... 選擇器(最終)填充的變量名稱的字符串。
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。
seed: 應用時將用作種子的整數。
id: 該步驟特有的字符串，用於標識它。

值

recipe 的更新版本，其中新步驟添加到現有步驟(如果有)的序列中。對於 tidy 方法，包含 terms 列的 tibble，它是用於采樣的變量。

細節

用於平衡的因子變量隻能有 2 個水平。所有其他變量必須是沒有缺失數據的數字。

tomek 鏈接被定義為一對來自不同類且彼此最近的鄰居點。

數據中的所有列均由 juice() 和 bake() 采樣並返回。

在建模中使用時，用戶應強烈考慮使用選項skip = TRUE，以便不在訓練集之外進行額外采樣。

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)的tibble。

箱重

底層操作不允許使用案例權重。

參考

托梅克. cnn.2 的兩個修改IEEE 傳輸。係統。曼·賽博恩 (Man Cybern)，6：769-772，1976 年。

也可以看看

tomek() 直接實現

under-sampling 的其他步驟：step_downsample()、step_nearmiss()

例子

library(recipes)
library(modeldata)
data(hpc_data)

hpc_data0 <- hpc_data %>%
  select(-protocol, -day)

orig <- count(hpc_data0, class, name = "orig")
orig
#> # A tibble: 4 × 2
#>   class  orig
#>   <fct> <int>
#> 1 VF     2211
#> 2 F      1347
#> 3 M       514
#> 4 L       259

up_rec <- recipe(class ~ ., data = hpc_data0) %>%
  step_tomek(class) %>%
  prep()

training <- up_rec %>%
  bake(new_data = NULL) %>%
  count(class, name = "training")
training
#> # A tibble: 4 × 2
#>   class training
#>   <fct>    <int>
#> 1 VF        1911
#> 2 F         1011
#> 3 M          379
#> 4 L          210

# Since `skip` defaults to TRUE, baking the step has no effect
baked <- up_rec %>%
  bake(new_data = hpc_data0) %>%
  count(class, name = "baked")
baked
#> # A tibble: 4 × 2
#>   class baked
#>   <fct> <int>
#> 1 VF     2211
#> 2 F      1347
#> 3 M       514
#> 4 L       259

orig %>%
  left_join(training, by = "class") %>%
  left_join(baked, by = "class")
#> # A tibble: 4 × 4
#>   class  orig training baked
#>   <fct> <int>    <int> <int>
#> 1 VF     2211     1911  2211
#> 2 F      1347     1011  1347
#> 3 M       514      379   514
#> 4 L       259      210   259

library(ggplot2)

ggplot(circle_example, aes(x, y, color = class)) +
  geom_point() +
  labs(title = "Without Tomek") +
  xlim(c(1, 15)) +
  ylim(c(1, 15))


recipe(class ~ x + y, data = circle_example) %>%
  step_tomek(class) %>%
  prep() %>%
  bake(new_data = NULL) %>%
  ggplot(aes(x, y, color = class)) +
  geom_point() +
  labs(title = "With Tomek") +
  xlim(c(1, 15)) +
  ylim(c(1, 15))

源代碼：R/tomek.R

相關用法

注：本文由純淨天空篩選整理自等大神的英文原創作品 Remove Tomek’s Links。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。