如何解决反转特征缩放
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
、{{ 1}}、week_day
、hour
、ntags
和 nlinks
。 nex
是一个因子,而其他的是数字。我构建了一个决策树分类器,但我的问题涉及特征缩放:
week_day
模型返回 library(caTools)
set.seed(123)
split = sample.split(dataset$Target,SplitRatio = 0.75)
training_set = subset(dataset,split == TRUE)
test_set = subset(dataset,split == FALSE)
# Feature Scaling
training_set[-c(2,4)] = scale(training_set[-c(2,4)])
test_set[-c(2,4)] = scale(test_set[-c(2,4)])
和 Tmean=-0.057
是两个分裂点。如何恢复这两个特征的原始值,即ntags=2
执行重新缩放操作之前由变量假定的值。
解决方法
如果数据用 scale
缩放,下面的函数 unscale
可能有助于解决问题。
由于浮点精度,原始向量和未缩放的向量是 all.equal
但不是 identical
。
unscale <- function(x){
xbar <- attr(x,"scaled:center")
se <- attr(x,"scaled:scale")
if(is.null(xbar) & is.null(se)){
x
} else {
y <- t(se * t(x) + xbar)
attr(y,"scaled:center") <- NULL
attr(y,"scaled:scale") <- NULL
y
}
}
set.seed(2020)
A <- matrix(rnorm(120,sd = 16),ncol = 5)
s <- scale(A)
identical(A,unscale(s)) #FALSE
zeros <- as.vector(A - unscale(s))
all.equal(zeros,rep(0,120))
#[1] TRUE
该函数也适用于 data.frames,但其输出的类是 "matrix"
,而不是原始的 "data.frame"
。这是 scale
的输出结果。
B <- as.data.frame(matrix(A,ncol = 5))
s2 <- scale(B)
B2 <- as.data.frame(unscale(s2))
all.equal(B,B2)
#[1] TRUE
但是缩放/取消缩放具有 dim
属性的对象(例如 data.frame)的正确方法是逐个向量。例如,这可以通过 lapply
循环来完成。
s3 <- B
s3[] <- lapply(B,scale)
B3 <- s3
B3[] <- lapply(s3,unscale)
all(B - B3 < .Machine$double.eps^0.5)
#[1] TRUE
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。