R embed step_umap 有監督和無監督均勻流形逼近和投影 (UMAP)

step_umap() 創建配方步驟的規範，將一組函數投射到更小的空間中。

用法

step_umap(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  outcome = NULL,
  neighbors = 15,
  num_comp = 2,
  min_dist = 0.01,
  metric = "euclidean",
  learn_rate = 1,
  epochs = NULL,
  options = list(verbose = FALSE, n_threads = 1),
  seed = sample(10^5, 2),
  prefix = "UMAP",
  keep_original_cols = FALSE,
  retain = deprecated(),
  object = NULL,
  skip = FALSE,
  id = rand_id("umap")
)

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。

outcome

調用 vars 以指定哪個變量用作編碼過程的結果(如果有)。

neighbors

用於構造目標單純形集的最近鄰數的整數。如果neighbors大於數據點數，則使用較小的值。

num_comp

UMAP 組件數量的整數。如果num_comp 大於所選列的數量減一，則使用較小的值。

min_dist

嵌入點之間的有效最小距離。

metric

字符，用於查找最近鄰居的距離度量類型。有關更多詳細信息，請參閱uwot::umap()。默認為 "euclidean" 。

learn_rate

優化過程的學習率的正數。

epochs

鄰居優化的迭代次數。有關更多詳細信息，請參閱uwot::umap()。

options

要傳遞給 uwot::umap() 的選項列表。不應在此處傳遞參數 X 、 n_neighbors 、 n_components 、 min_dist 、 n_epochs 、 ret_model 和 learning_rate 。默認情況下，設置verbose 和n_threads。

seed

用於控製數值方法使用的隨機數的兩個整數。默認值從主會話的數字流中提取，如果在調用 prep() 或 bake() 之前設置種子，則將給出可重現的結果。

prefix

生成的新變量的前綴字符串。請參閱下麵的注釋。

keep_original_cols

將原始變量保留在輸出中的邏輯。默認為 FALSE 。

retain

使用 keep_original_cols 來指定是否應與新的嵌入變量一起保留原始預測變量。

object

定義編碼的對象。在 recipes::prep() 訓練該步驟之前，這是 NULL 。

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

UMAP 是統一流形逼近和投影的縮寫，是一種非線性降維技術，可找到數據的局部低維表示。它可以在無人監督的情況下運行，也可以使用不同類型的結果數據(例如數字、因子等)進行監督。

參數 num_comp 控製將保留的組件數量(用於派生組件的原始變量將從數據中刪除)。新組件的名稱以 prefix 和一係列數字開頭。變量名稱用零填充。例如，如果 num_comp < 10 ，它們的名稱將為 UMAP1 - UMAP9 。如果是 num_comp = 101 ，則名稱將為 UMAP1 - UMAP101 。

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。

調整參數

此步驟有 5 個調整參數：

• num_comp : # 組件(類型：整數，默認值：2)

• neighbors : # 最近鄰居(類型：整數，默認值：15)

• min_dist：點之間的最小距離(類型：double，默認值：0.01)

• learn_rate：學習率(類型：double，默認值：1)

• epochs : # Epochs(類型：整數，默認值：NULL)

箱重

底層操作不允許使用案例權重。

保存準備好的配方對象

當保存以供另一個 R 會話使用時，此配方步驟可能需要本機序列化。要了解有關準備菜譜序列化的更多信息，請參閱bundle 包。

參考

麥金尼斯，L.，&希利，J.(2018)。 UMAP：統一流形逼近和降維投影。 https://arxiv.org/abs/1802.03426。

“UMAP 的工作原理”https://umap-learn.readthedocs.io/en/latest/how_umap_works.html

例子

library(recipes)
library(ggplot2)

split <- seq.int(1, 150, by = 9)
tr <- iris[-split, ]
te <- iris[split, ]

set.seed(11)
supervised <-
  recipe(Species ~ ., data = tr) %>%
  step_center(all_predictors()) %>%
  step_scale(all_predictors()) %>%
  step_umap(all_predictors(), outcome = vars(Species), num_comp = 2) %>%
  prep(training = tr)

theme_set(theme_bw())

bake(supervised, new_data = te, Species, starts_with("umap")) %>%
  ggplot(aes(x = UMAP1, y = UMAP2, col = Species)) +
  geom_point(alpha = .5)