问题标签 [r-recipes]

嗨，我正在使用机器学习模型中的特征工程配方。但是，当我使用 step_dummy 时，虚拟变量被视为数值变量，而不是因子。我认为当我们使用随机森林或其他树模型时，这可能会出现问题。我们怎样才能改变这一点？PDP 显示虚拟预测器被视为数字。所以 X 轴有 0.25, 0.5....... 这应该只有 0 和 1（因为 dummy）。

When using caret with CV, imputation estimation /etc will happen in each fold as not to leak. I am trying to find whether this happens in the tidymodels workflow.

Logically I don't think so as you pipe a baked (already applied steps) into the vfold_cv... but I may br wrong.

I could build a workflow that creates folds first, but wondering if im missing something. Thanks

将食谱加载到插入符号时我遇到了这个问题:: train

NA 估算有问题，但我不知道如何解决。如果我删除交叉验证一切正常。

提前致谢，

错误信息

quantile.default(y, probs = seq(0, 1, length = cut)) 中的错误：如果 'na.rm' 为 FALSE，则不允许缺少值和 NaN

R.version _
platform x86_64-apple-darwin15.6.0
arch x86_64
os darwin15.6.0
system x86_64, darwin15.6.0
status
major 3
minor 6.1
year 2019
month 07
day 05
svn rev 76782
language R
version.string R version 3.6.1 (2019 -07-05) 昵称 脚趾动作

我已经在 iris 数据集上训练了相同的模型来研究每种方法的可重复性。当使用 all.equal() 用于使用 recipes 接口训练的模型时，模型之间似乎存在差异，但不是使用公式或 x/y 接口。这个问题似乎是 gbm 特有的（同样的结构适用于 Model = rf 或 lm）。

食谱公式是否有特定于gbm的东西。还是我的电脑设置的。好奇看看其他人是否可以重现错误。

会话信息：

会话信息（）

好吧，老实说，我已经阅读了 step_num2factor 的函数参考，并没有弄清楚如何正确使用它。

使用 step 后数据输出temp_data$MSSubClass全是 NA。obs 保存为 20,30,40.... 190，我想转换为名称（甚至是相同的数字，但作为无序因子）

如果你知道更多关于 step_num2factor 使用的博客文章或一些使用的代码，我也很乐意看到。

完整的数据集由 kaggle 提供： kaggle data

提前谢谢，

我的目标是使用该tidymodels软件包安装 Poisson glmnet。为此，我使用recipes包来预处理数据、parsnip拟合模型、workflows将模型与预处理器捆绑在一起，并poissonreg能够将泊松回归与parsnip. 如果我的训练数据集只包含数字预测变量，它工作得非常好，但是当有一些因子（或分类）预测变量时，我无法拟合模型。在下面的代码中，您可能会认为 usingtidymodels是矫枉过正。是的，这是针对这个最小的示例，但最终，我会想要调整我的超参数，验证我的模型等，然后，tidymodels这将是有用的。

首先，让我们加载我们需要的包。

让我们还模拟我们的数据集，该数据集有 1000 行、1 个结果 ( y)、1 个具有 2 个级别 ( x_fac) 的分类预测变量和 3 个数字预测变量 (x_num_01和x_num_02) x_num_03。

然后，我们定义并准备配方。预处理非常简单：如果有的话，所有的分类预测器都被转换为虚拟预测器。

然后我们定义我们的模型，

将模型和预处理器与workflows包捆绑在一起

最后，我们训练模型parsnip：

此parsnip::fit函数抛出错误

我完全不知道为什么！如果您x_fac从模拟数据集中删除预测器dat，它工作正常。如果我在使用包运行 glmnet 之前自己预处理数据，它也可以工作glmnet：

谢谢你的帮助！

会话信息：

使用tidymodels作为在 R 中开发模型的新工作流程，我如何使用tidymodels 去规范化/反转幂变换数据。

dd <- data.frame(x1=1:5,x2 = 11:15,y=6:10).

现在使用整洁的模型框架：

问题是我在 tidymodel 工作流程中找不到任何非规范化工具

我想为tidymodels配方包中的各种步骤函数使用带有列名的向量。我的直觉是简单地使用（prep这里juice仅用于说明）：

但这会返回警告：

当然，这让我很担心（我想确保我在编码时不会遇到错误消息），但我仍然得到了我想要的结果。

但是，当我按照错误消息并使用以下内容时all_of：

我收到错误消息：

错误：并非所有函数都允许在阶跃函数选择器中使用（例如all_of）。见？选择。

在 中?selections，我似乎没有找到对我所拥有的确切（看似简单）问题的参考。

有任何想法吗？非常感谢！

我阅读了 tidymodels 的介绍，我对食谱包对数据的作用prep(), bake()和作用感到困惑。juice()各自做什么？老实说，我发现为函数命名这样的名称令人困惑，在烹饪类比中，每个函数的名称会更直观吗？

我有以下代码：

我也尝试过使用工作流程

使用时last_fit()出现以下错误：

我使用了 kknn、decision_tree、random_forest 和 xgboost，都得到了相同的错误。即使使用tune_grid().

问题是当我使用fit()函数时一切正常。我知道这是因为我使用了错误的模型，但是为什么会出现该错误？我是 tidymodel 包的新手。

提前致谢。