使用recipes包时，如何高效引入Ames住房数据中所有后缀为SF的变量？

核心问题修正 #

你之前的尝试失败主要有三个原因：

• 公式拼接错误：不能将完整公式（如SF）与其他变量用+直接拼接
• 字符串无法直接作为变量：paste(grep(...))生成的字符串无法被R识别为变量名
• 正则表达式不完整：step_pca中的匹配规则未闭合，导致无法正确识别目标变量

正确实现方法 #

方法一：先构建完整公式

先精准筛选后缀为SF的变量，再合并其他预测变量生成完整公式：

# 精准获取所有后缀为SF的变量（$表示匹配字符串结尾）
sf_vars <- grep("SF$", names(ames_train), value = TRUE)
# 合并所有需要的预测变量
all_predictors <- c(sf_vars, "Neighborhood", "Gr_Liv_Area", "Year_Built", "Bldg_Type", "Latitude")
# 生成响应变量为Sale_Price的完整公式
full_formula <- reformulate(all_predictors, response = "Sale_Price")

# 构建配方
simple_ames <- recipe(full_formula, data = ames_train) %>% 
  step_log(Gr_Liv_Area, base = 10) %>% 
  step_other(Neighborhood, threshold = 0.01) %>%
  step_dummy(all_nominal_predictors()) %>% 
  step_interact(~ Gr_Liv_Area:starts_with('Bldg_Type_')) %>% 
  step_ns(Latitude, deg_free = 20) %>% 
  step_pca(matches("(SF$)|(Gr_Liv_Area)")) # 修正正则，匹配SF后缀和Gr_Liv_Area

方法二：用all_of()直接在公式中引入变量列表

借助tidyselect的all_of()函数，直接在配方公式中引入筛选出的变量，更简洁：

sf_vars <- grep("SF$", names(ames_train), value = TRUE)

simple_ames <- recipe(Sale_Price ~ all_of(sf_vars) + Neighborhood + Gr_Liv_Area + Year_Built + Bldg_Type + Latitude, 
                      data = ames_train) %>% 
  step_log(Gr_Liv_Area, base = 10) %>% 
  step_other(Neighborhood, threshold = 0.01) %>%
  step_dummy(all_nominal_predictors()) %>% 
  step_interact(~ Gr_Liv_Area:starts_with('Bldg_Type_')) %>% 
  step_ns(Latitude, deg_free = 20) %>% 
  step_pca(matches("(SF$)|(Gr_Liv_Area)"))

额外说明 #

• 正则表达式(SF$)|(Gr_Liv_Area)确保只匹配后缀为SF的变量和Gr_Liv_Area，避免误匹配其他含SF的变量
• 如果需要匹配所有以Gr_Liv开头的变量，可将正则改为(SF$)|(^Gr_Liv)

内容的提问来源于stack exchange，提问作者toku_mo