gpt4 book ai didi

r - 使用 tidymodels 配方包添加缺失的指标列

转载 作者:行者123 更新时间:2023-12-03 16:37:19 25 4
gpt4 key购买 nike

我想使用 recipes 创建一个食谱该软件包既可以估算缺失的数据,又可以添加指示哪些值缺失的指标列。如果有一个选项可以选择为原始数据框中的每一列包含一个指标列,或者只包含原始数据框中缺少数据的列的指标列,那也很好。我知道我可以很容易地用 来估算缺失值食谱 ,但是否有内置的方法来添加缺失的指标列?

例如,如果我有一个这样的数据框:

> data.frame(x = c(1, NA, 3), y = 4:6)
x y
1 1 4
2 NA 5
3 3 6

我希望插补和添加缺失的指标列后的输出看起来像这样:
   x y x_missing
1 1 4 FALSE
2 2 5 TRUE
3 3 6 FALSE

当然,对于这样的简单示例,我可以手动完成。但是在机器学习管道中处理大型数据集时,有一种自动化的方式来做到这一点会很有帮助。

根据 recipes::check_missing 的文档,有一个 columns争论,

columns A character string of variable names that will be populated (eventually) by the terms argument.



但我不确定这意味着什么,因为没有 terms论据 check_missing .

作为引用,我正在寻找的功能是在 中实现的。 scikit-learn MissingIndicator类(class)。

最佳答案

可以通过创建自定义步骤来做到这一点。遵循 vignettes 之一中描述的过程,创建定义步骤的函数,然后定义 prepbake自定义步骤的方法。

以下代码定义了创建缺失值指标的新步骤。添加了一个带有后缀 _missing 的新列附加到名称。

step_missing_ind <- function(recipe, 
...,
role = NA,
trained = FALSE,
columns = NULL,
skip = FALSE,
id = rand_id("missing_ind")) {
terms <- ellipse_check(...)
add_step(
recipe,
step_missing_ind_new(
terms = terms,
trained = trained,
role = role,
columns = columns,
skip = skip,
id = id
)
)
}

step_missing_ind_new <- function(terms,
role,
trained,
columns,
skip,
id) {
step(
subclass = "missing_ind",
terms = terms,
role = role,
trained = trained,
columns = columns,
skip = skip,
id = id
)
}

print.step_missing_ind <- function(x, width = max(20, options()$width), ...) {
cat("Missing indicator on ")
cat(format_selectors(x$terms, width = width))
if (x$trained) cat(" [trained]\n") else cat("\n")
invisible(x)
}

prep.step_missing_ind <- function(x, training, info = NULL, ...) {
col_names <- terms_select(terms = x$terms, info = info)
step_missing_ind_new(
terms = x$terms,
trained = TRUE,
role = x$role,
columns = col_names,
skip = x$skip,
id = x$id
)
}

bake.step_missing_ind <- function(object, new_data, ...) {
for (var in object$columns) {
new_data[[paste0(var, "_missing")]] <- is.na(new_data[[var]])
}
as_tibble(new_data)
}

然后我们可以在配方管道中使用这个缺失的指标步骤,如下例所示,我们添加一个缺失值指标并执行均值插补。缺失指标和插补步骤的顺序很重要:缺失指标步骤必须在插补步骤之前。
library(recipes)

data <- tribble(
~x, ~y, ~z,
1, 4, 7,
NA, 5, 8,
3, 6, NA
)

recipe(~ ., data = data) %>%
step_missing_ind(x, y, z) %>%
step_meanimpute(x, y, z) %>%
prep() %>%
juice()

#> # A tibble: 3 x 6
#> x y z x_missing y_missing z_missing
#> <dbl> <dbl> <dbl> <lgl> <lgl> <lgl>
#> 1 1 4 7 FALSE FALSE FALSE
#> 2 2 5 8 TRUE FALSE FALSE
#> 3 3 6 7.5 FALSE FALSE TRUE

关于r - 使用 tidymodels 配方包添加缺失的指标列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59939421/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com