关于tidymodels中Recipe处理后回归公式变化的技术问询

问题1：初始公式最终会变为y~f1_A+f1_B+f1_C+f2+log(f3)，是否正确？ #

不正确。step_dummy() 默认会生成k-1个哑变量（k为因子水平数），以此避免多重共线性问题。对于有A、B、C三个水平的因子f1，会以第一个水平（默认是A）作为参考水平，最终生成的哑变量是f1_B和f1_C，不会包含f1_A。所以处理后的公式应该是 y~f1_B+f1_C+f2+log(f3)。

问题2：若添加+step_pca(comp5)，公式会变为y~PC1+PC2+..PC5吗？ #

需结合实际变量数量判断：

• 经过前面步骤处理后，预测变量是f1_B、f1_C、f2、log(f3)共4个。主成分分析生成的主成分数量不会超过原始变量数，因此step_pca(comp5)最多只能生成PC1到PC4，无法得到5个主成分。
• 如果处理后的预测变量数量≥5，那么step_pca(comp5)会生成PC1到PC5，此时模型公式会变为y~PC1+PC2+PC3+PC4+PC5，原始预测变量会被这些主成分替代。

内容的提问来源于stack exchange，提问作者user2545517