仅在 tidymodels 的食谱中选择有序因子答案

【问题标题】：Selecting only ordered factors in recipes for tidymodels仅在 tidymodels 的食谱中选择有序因子
【发布时间】：2020-10-15 08:16:53
【问题描述】：

我需要使用来自 tidymodels 的食谱包创建一个食谱。在其中一个步骤中，我需要将有序因子转换为它们的序数分数。但似乎没有我可以的功能用于选择所有有序因子。

我知道有一个名为all_nominal() 的函数，但它匹配作为因子的每一列，它可以是有序的或无序的。我也尝试过has_type("ordered")，但这也不起作用。

目前，我必须手动输入列名。有没有更简单的方法来做到这一点？

下面是我想做的一个例子：

library(mlbench)
data("BreastCancer")

rec <- recipe(Class ~ ., BreastCancer) %>%
    # Here, I want to select all ordered nominals instead of 
    #  listing them by name. Should there be a function 
    #  all_ordinal in recipes? Or is there another way
    #  to accomplish this?
    step_ordinalscore(Cl.thickness, 
                     Cell.size,
                     Cell.shape,
                     Marg.adhesion,
                     Epith.c.size)

欢迎任何帮助，谢谢。

【问题讨论】：

标签： r tidymodels r-recipes

【解决方案1】：

对于有序因子没有特殊的选择器功能，但您可以自己找到它们，然后使用该名称向量到step_ordinalscore()。

library(recipes)
#> Loading required package: dplyr
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
#> 
#> Attaching package: 'recipes'
#> The following object is masked from 'package:stats':
#> 
#>     step
library(mlbench)
data("BreastCancer")

## find all the ordered factors
ordered_names <- BreastCancer %>% 
  select(where(is.ordered)) %>% 
  names()

ordered_names
#> [1] "Cl.thickness"  "Cell.size"     "Cell.shape"    "Marg.adhesion"
#> [5] "Epith.c.size"

## convert all the ordered factors to scores
rec <- recipe(Class ~ ., BreastCancer) %>%
  step_ordinalscore(all_of(ordered_names))

rec
#> Data Recipe
#> 
#> Inputs:
#> 
#>       role #variables
#>    outcome          1
#>  predictor         10
#> 
#> Operations:
#> 
#> Scoring for all_of(ordered_names)

prep(rec) %>% bake(new_data = NULL)
#> # A tibble: 699 x 11
#>    Id    Cl.thickness Cell.size Cell.shape Marg.adhesion Epith.c.size
#>    <fct>        <dbl>     <dbl>      <dbl>         <dbl>        <dbl>
#>  1 1000…            5         1          1             1            2
#>  2 1002…            5         4          4             5            7
#>  3 1015…            3         1          1             1            2
#>  4 1016…            6         8          8             1            3
#>  5 1017…            4         1          1             3            2
#>  6 1017…            8        10         10             8            7
#>  7 1018…            1         1          1             1            2
#>  8 1018…            2         1          2             1            2
#>  9 1033…            2         1          1             1            2
#> 10 1033…            4         2          1             1            2
#> # … with 689 more rows, and 5 more variables: Bare.nuclei <fct>,
#> #   Bl.cromatin <fct>, Normal.nucleoli <fct>, Mitoses <fct>, Class <fct>

^{由reprex package (v0.3.0.9001) 于 2020 年 10 月 19 日创建}

【讨论】：