我预处理了一个训练数据集 (A),现在想使用 R 配方为测试集 (B) 重现这些步骤。
问题是,测试集中有新的因子水平,我想忽略:
library(recipes)
(A <- data.frame(a = c(1:19, NA), b = factor(c(rep("l1",18), "l2", NA))))
(B <- data.frame(a = c(1:3, NA), b = factor(c("l1", "l2", NA, "l3"))))
rec.task <-
recipe(~ ., data = A) %>%
step_unknown(all_predictors(), -all_numeric()) %>%
step_medianimpute(all_numeric()) %>%
step_other(all_predictors(), -all_numeric(), threshold = 0.1, other=".merged") %>%
step_dummy(all_predictors(), -all_numeric())
tr.recipe <- prep(rec.task, training = A)
(AA <- juice(tr.recipe))
现在的问题是下表中的 NA:
(BB <- bake(tr.recipe, B))
a b_.merged
<dbl> <dbl>
1 1 0
2 2 1
3 3 1
4 10 NA
Warnmeldung:
There are new levels in a factor: NA
我可以在这些步骤中以某种方式避免它吗?我可以在配方过程中将 NA 归为零吗(我对基本 R 或 dplyr 解决方案不感兴趣)?