根据训练集缩放测试集中的连续特征答案

【问题标题】：Scaling a continuous feature in the test set according to the train set根据训练集缩放测试集中的连续特征
【发布时间】：2022-11-15 01:08:20
【问题描述】：

我正在构建一个 GBM 分类器来预测某个目标变量。

我的数据包含许多连续变量，我只想使用 scale 函数缩放其中一个 (age)。我应该在训练集中缩放这个变量，然后在测试集中缩放它根据列车组，这样我就不会泄露信息。我的问题是如何在 R 中应用它？

我这样做的方法是分别缩放训练集和不太正确的测试集的年龄特征。这是我的代码（我使用 caret 包）：

for (i in (1:10)) {
  print(i)
  set.seed(i)
  
  IND = createDataPartition(y = MYData$Target_feature, p=0.8, list = FALSE)
  TRAIN_set = MYData[IND, ]
  TEST_set = MYData[-IND,]
  
  TRAIN_set$age = scale(TRAIN_set$age)
  TEST_set$age = scale(TEST_set$age)
  
  GBMModel <- train(Target_feature~., data = TRAIN_set,
                    method = "gbm",
                    metric="ROC",
                    trControl = ctrlCV,
                    tuneGrid = gbmGRID,
                    verbose = FALSE
                    
  )
  
  
  AUCs_Trn[i] = auc(roc(TRAIN_set$Target_feature,predict(GBMModel,TRAIN_set, type='prob')[,1]))
  AUCs_Tst[i] = auc(roc(TEST_set$Target_feature,predict(GBMModel,TEST_set, type='prob')[,1]))
  
}

注意：我只想扩展 age 功能。

【问题讨论】：

标签： r machine-learning scaling r-caret

【解决方案1】：

一种方法是通过训练集的均值和标准差手动缩放测试数据（相当于 scale() 所做的）。

test$age = (test$age - mean(train$age) ) / sd(train$age)

【讨论】：

正在写同样的想法，但太慢了:)