这个问题与caret 中交叉验证中的预处理非常相似;但是,在我正在进行的一个项目中,在我的情况下,我只想对 19 个预测变量中的三个预测变量进行 PCA。这是插入符号中交叉验证中预处理的示例,PimaIndiansDiabetes
为了方便起见,我将使用此数据 ( )(这不是我的项目数据,但概念应该相同)。然后我想只对变量的子集进行预处理,即 PimaIndiansDiabetes[, c(4,5,6)]。有没有办法做到这一点?
library(caret)
library(mlbench)
data(PimaIndiansDiabetes)
control <- trainControl(method="cv",
number=5)
p <- preProcess(PimaIndiansDiabetes[, c(4,5,6)], #only do these columns!
method = c("center", "scale", "pca"))
p
grid=expand.grid(mtry=c(1,2,3))
model <- train(diabetes~., data=PimaIndiansDiabetes, method="rf",
preProcess= p,
trControl=control,
tuneGrid=grid)
但我收到此错误:
Error: pre-processing methods are limited to: BoxCox, YeoJohnson, expoTrans, invHyperbolicSine, center, scale, range, knnImpute, bagImpute, medianImpute, pca, ica, spatialSign, ignore, keep, remove, zv, nzv, conditionalX, corr
我尝试这样做的原因是我可以将三个变量减少到一个 PCA1 并用于预测。在我正在做的项目中,所有三个变量的相关性都在 90% 以上,但我想将它们合并,因为其他研究也使用了它们。谢谢。尽量避免数据泄露!
据我所知,这是不可能的。这可能可以使用食谱。但是我不使用食谱,但我使用mlr3,所以我将展示如何使用这个包:
library(mlr3)
library(mlr3pipelines)
library(mlr3learners)
library(paradox)
library(mlr3tuning)
library(mlbench)
从数据创建任务:
data("PimaIndiansDiabetes")
pima_tsk <- TaskClassif$new(id = "Pima",
backend = PimaIndiansDiabetes,
target = "diabetes")
定义一个名为“slct1”的预处理选择器:
pos1 <- po("select", id = "slct1")
并在其中定义选择器函数:
pos1$param_set$values$selector <- selector_name(colnames(PimaIndiansDiabetes[, 4:6]))
现在定义所选功能应该发生的情况:缩放 -> 选择第一台 PC 时的 pca ( param_vals = list(rank. = 1)
)
pos1 %>>%
po("scale", id = "scale1") %>>%
po("pca", id = "pca1", param_vals = list(rank. = 1)) -> pr1
现在定义一个反转选择器:
pos2 <- po("select", id = "slct2")
pos2$param_set$values$selector <- selector_invert(pos1$param_set$values$selector)
定义学习者:
rf_lrn <- po("learner", lrn("classif.ranger")) #ranger is a faster version of rf
组合它们:
gunion(list(pr1, pos2)) %>>%
po("featureunion") %>>%
rf_lrn -> graph
检查它是否正常:
graph$plot(html = TRUE)
将图转换为学习器:
glrn <- GraphLearner$new(graph)
定义要调整的参数:
ps <- ParamSet$new(list(
ParamInt$new("classif.ranger.mtry", lower = 1, upper = 6),
ParamInt$new("classif.ranger.num.trees", lower = 100, upper = 1000)))
定义重采样:
cv10 <- rsmp("cv", folds = 10)
定义调谐:
instance <- TuningInstance$new(
task = pima_tsk,
learner = glrn,
resampling = cv10,
measures = msr("classif.ce"),
param_set = ps,
terminator = term("evals", n_evals = 20)
)
set.seed(1)
tuner <- TunerRandomSearch$new()
tuner$tune(instance)
instance$result
有关如何调整 PC 组件数量以保持检查此答案的其他详细信息:R caret:如何在训练前将单独的 pca 应用于不同的数据帧?
如果您觉得这很有趣,请查看mlr3book
还
cor(PimaIndiansDiabetes[, 4:6])
triceps insulin mass
triceps 1.0000000 0.4367826 0.3925732
insulin 0.4367826 1.0000000 0.1978591
mass 0.3925732 0.1978591 1.0000000
不会产生您在问题中提到的内容。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句