反转特征缩放

Question

在我的dataset 中，我有一个二进制Target（0 或1）变量和8 个特征：nchar、rtc、Tmean、week_day、hour、ntags、 nlinks 和 nex。 week_day 是一个因素，而其他因素是数字。我建立了一个决策树分类器，但我的问题涉及特征缩放：

library(caTools)
set.seed(123)
split = sample.split(dataset$Target, SplitRatio = 0.75)
training_set = subset(dataset, split == TRUE)
test_set = subset(dataset, split == FALSE)
# Feature Scaling
training_set[-c(2,4)] = scale(training_set[-c(2,4)])
test_set[-c(2,4)] = scale(test_set[-c(2,4)])

模型返回 Tmean=-0.057 和 ntags=2 是两个分裂点。如何恢复这两个特征的原始值，即scale()进行缩放操作之前变量假定的值。

Answer 1

如果使用scale 缩放数据，则以下函数unscale 可能有助于解决问题。
由于浮点精度，原始向量和未缩放的向量是all.equal，但不是identical。

unscale <- function(x){
  xbar <- attr(x, "scaled:center")
  se <- attr(x, "scaled:scale")
  if(is.null(xbar) & is.null(se)){
    x
  } else {
    y <- t(se * t(x) + xbar)
    attr(y, "scaled:center") <- NULL
    attr(y, "scaled:scale") <- NULL
    y
  }
}

set.seed(2020)
A <- matrix(rnorm(120, sd = 16), ncol = 5)
s <- scale(A)
identical(A, unscale(s))  #FALSE

zeros <- as.vector(A - unscale(s))
all.equal(zeros, rep(0, 120))  
#[1] TRUE

该函数也适用于 data.frames，但其输出的类是 "matrix"，而不是原始的 "data.frame"。这是scale 的输出结果。

B <- as.data.frame(matrix(A, ncol = 5))
s2 <- scale(B)
B2 <- as.data.frame(unscale(s2))
all.equal(B, B2)
#[1] TRUE

但是缩放/取消缩放具有dim 属性的对象（例如data.frame）的正确方法是逐个向量。例如，这可以通过 lapply 循环来完成。

s3 <- B
s3[] <- lapply(B, scale)

B3 <- s3
B3[] <- lapply(s3, unscale)
all(B - B3 < .Machine$double.eps^0.5)
#[1] TRUE