Question

我经常要处理以下问题：

我有一套测试装置和一套训练装置
我想缩放训练集的所有列，除以外的一些列由字符向量标识
然后，根据训练集所选列的样本均值和样本标准差，我想重新调整测试集

目前，我的工作流程是kludgy：我使用索引向量，然后使用部分赋值来仅缩放列车集的某些列。我在训练集上存储了缩放操作的平均值和标准差，我用它们来缩放测试集。我想知道是否有更简单的方法，无需安装caret（由于一系列原因，我不是caret的忠实粉丝，我绝对不会开始使用它对于这个问题）。这是我目前的工作流程：

# define dummy train and test sets
train <- data.frame(letters = LETTERS[1:10], months = month.abb[1:10], numbers = 1:10,
                    x = rnorm(10, 1), y = runif(10))
test <- train
test$x <- rnorm(10, 1)
test$y <- runif(10)

# names of variables I don't want to scale
varnames <- c("letters", "months", "numbers")

# index vector of columns which must not be scaled
index <- names(train) %in% varnames

# scale only the columns not in index
temp <- scale(train[, !index])
train[, !index] <- temp

# get the means and standard deviations from temp, to scale test too
means <- attr(temp, "scaled:center")
standard_deviations <- attr(temp, "scaled:center")

# scale test
test[, !index] <- scale(test[, !index], center = means, scale = standard_deviations)

是否有更简单/更惯用的方式来做到这一点？

Answer 1

这是一个很好的问题，我已经尝试了很多答案。我认为这是一个更优雅的代码：

    train0=train%>%select(-c(letters, months, numbers))%>%as.matrix%>%scale
means <- attr(train0, "scaled:center")
standard_deviations <- attr(train0, "scaled:center")
train0=cbind(select(train,c(letters, months, numbers)),train0)
test0=test%>%select(-c(letters, months, numbers))%>%as.matrix%>%scale(center = means, scale = standard_deviations)
test0=cbind(select(test,c(letters, months, numbers)),test0)

我努力使用mutate_at以避免cbind额外代码，但不缺

仅缩放训练集和测试集的某些列

1 个答案: