step_window()
創建配方步驟的規範,該步驟將創建新列,這些新列是跨移動窗口計算統計數據的函數的結果。
用法
step_window(
recipe,
...,
role = NA,
trained = FALSE,
size = 3,
na_rm = TRUE,
statistic = "mean",
columns = NULL,
names = NULL,
keep_original_cols = TRUE,
skip = FALSE,
id = rand_id("window")
)
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?如果
names
保留為NULL
,則滾動統計信息將替換原始列,並且角色保持不變。如果設置了names
,則這些新列將具有NULL
的角色,除非此參數具有值。 - trained
-
指示預處理數量是否已估計的邏輯。
- size
-
窗口大小的奇數整數
>= 3
。 - na_rm
-
是否應從每個窗口內的計算中刪除缺失值的邏輯。
- statistic
-
應該為每個移動窗口計算的統計類型的字符串。可能的值為:
'max'
,'mean'
,'median'
,'min'
,'prod'
,'sd'
,'sum'
,'var'
- columns
-
所選變量名稱的字符串。該字段是一個占位符,一旦使用
prep()
就會被填充。 - names
-
可選字符串,其長度與
terms
選擇的術語數相同。如果您不確定將選擇哪些列,請使用summary
函數(請參見下麵的示例)。這些將是該步驟創建的新列的名稱。 - keep_original_cols
-
將原始變量保留在輸出中的邏輯。默認為
FALSE
。 - 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。
細節
計算使用一種有點非典型的方法來處理滾動統計的開始和結束部分。該過程從中心對齊窗口計算開始,並且滾動值的開始和結束部分分別使用第一個和最後一個滾動值來確定。例如,如果具有 12 個值的列 x
使用 5 點移動中值進行平滑,則前三個平滑值由 median(x[1:5])
估計,第四個使用 median(x[2:6])
。
如果指定了 names
,keep_original_cols
也適用於此步驟。
步驟將停止並顯示有關安裝包的注釋。
整理
當您執行 tidy()
此步驟時,將返回一個包含 terms
(選擇的選擇器或變量)、statistic
(匯總函數名稱)和 size
列的 tibble。
例子
if (FALSE) { # rlang::is_installed(c("RcppML", "ggplot2"))
library(recipes)
library(dplyr)
library(rlang)
library(ggplot2, quietly = TRUE)
set.seed(5522)
sim_dat <- data.frame(x1 = (20:100) / 10)
n <- nrow(sim_dat)
sim_dat$y1 <- sin(sim_dat$x1) + rnorm(n, sd = 0.1)
sim_dat$y2 <- cos(sim_dat$x1) + rnorm(n, sd = 0.1)
sim_dat$x2 <- runif(n)
sim_dat$x3 <- rnorm(n)
rec <- recipe(y1 + y2 ~ x1 + x2 + x3, data = sim_dat) %>%
step_window(starts_with("y"),
size = 7, statistic = "median",
names = paste0("med_7pt_", 1:2),
role = "outcome"
) %>%
step_window(starts_with("y"),
names = paste0("mean_3pt_", 1:2),
role = "outcome"
)
rec <- prep(rec, training = sim_dat)
smoothed_dat <- bake(rec, sim_dat, everything())
ggplot(data = sim_dat, aes(x = x1, y = y1)) +
geom_point() +
geom_line(data = smoothed_dat, aes(y = med_7pt_1)) +
geom_line(data = smoothed_dat, aes(y = mean_3pt_1), col = "red") +
theme_bw()
tidy(rec, number = 1)
tidy(rec, number = 2)
# If you want to replace the selected variables with the rolling statistic
# don't set `names`
sim_dat$original <- sim_dat$y1
rec <- recipe(y1 + y2 + original ~ x1 + x2 + x3, data = sim_dat) %>%
step_window(starts_with("y"))
rec <- prep(rec, training = sim_dat)
smoothed_dat <- bake(rec, sim_dat, everything())
ggplot(smoothed_dat, aes(x = original, y = y1)) +
geom_point() +
theme_bw()
}
相關用法
- R recipes step_unknown 將缺失的類別分配給“未知”
- R recipes step_relu 應用(平滑)修正線性變換
- R recipes step_poly_bernstein 廣義伯恩斯坦多項式基
- R recipes step_impute_knn 通過 k 最近鄰進行插補
- R recipes step_impute_mean 使用平均值估算數值數據
- R recipes step_inverse 逆變換
- R recipes step_pls 偏最小二乘特征提取
- R recipes step_ratio 比率變量創建
- R recipes step_geodist 兩個地點之間的距離
- R recipes step_nzv 近零方差濾波器
- R recipes step_nnmf 非負矩陣分解信號提取
- R recipes step_normalize 中心和比例數值數據
- R recipes step_depth 數據深度
- R recipes step_other 折疊一些分類級別
- R recipes step_harmonic 添加正弦和餘弦項以進行諧波分析
- R recipes step_corr 高相關濾波器
- R recipes step_novel 新因子水平的簡單賦值
- R recipes step_select 使用 dplyr 選擇變量
- R recipes step_regex 檢測正則表達式
- R recipes step_spline_b 基礎樣條
- R recipes step_ica ICA 信號提取
- R recipes step_discretize 離散數值變量
- R recipes step_dummy_multi_choice 一起處理多個預測變量的水平
- R recipes step_lincomb 線性組合濾波器
- R recipes step_filter_missing 缺失值列過濾器
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 Moving Window Functions。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。