R中Recipe的step函数归一化数值预测变量无变化问题

问题描述 #

使用R语言的recipe包调用step_range函数对iris数据集的数值预测变量做0-1归一化，执行后无报错，但用head()查看结果时，数据完全没有变化，两次尝试的代码及输出如下：

初始尝试代码 #

iris_recipe<-iris %>% 
     recipe(Species ~ .) %>% 
     step_range(recipe, all_numeric_predictors(), min = 0, max=1)

head(iris_recipe)

初始尝试输出 #

$var_info
# A tibble: 5 × 4
  variable     type    role      source  
  <chr>        <chr>   <chr>     <chr>   
1 Sepal.Length numeric predictor original
2 Sepal.Width  numeric predictor original
3 Petal.Length numeric predictor original
4 Petal.Width  numeric predictor original
5 Species      nominal outcome   original

$term_info
# A tibble: 5 × 4
  variable     type    role      source  
  <chr>        <chr>   <chr>     <chr>   
1 Sepal.Length numeric predictor original
2 Sepal.Width  numeric predictor original
3 Petal.Length numeric predictor original
4 Petal.Width  numeric predictor original
5 Species      nominal outcome   original

$steps
$steps[[1]]
$terms
<list_of<quosure>>

[[1]]
<quosure>
expr: ^recipe
env:  0x000002b201dc23e0

[[2]]
<quosure>
expr: ^all_numeric_predictors()
env:  0x000002b201dc23e0


$role
[1] NA

$trained
[1] FALSE

$min
[1] 0

$max
[1] 1

$ranges
NULL

$skip
[1] FALSE

$id
[1] "range_5JGit"

attr(,"class")
[1] "step_range" "step"      


$template
# A tibble: 150 × 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <fct>  
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# … with 140 more rows
# ℹ Use `print(n = ...)` to see more rows

$levels
NULL

$retained
[1] NA

特定尝试代码 #

iris_recipe2<-iris %>% 
     recipe(Species ~ .) %>% 
     step_range(recipe, Sepal.Length, min=0, max=1)

head(iris_recipe2)

特定尝试输出 #

$var_info
# A tibble: 5 × 4
  variable     type    role      source  
  <chr>        <chr>   <chr>     <chr>   
1 Sepal.Length numeric predictor original
2 Sepal.Width  numeric predictor original
3 Petal.Length numeric predictor original
4 Petal.Width  numeric predictor original
5 Species      nominal outcome   original

$term_info
# A tibble: 5 × 4
  variable     type    role      source  
  <chr>        <chr>   <chr>     <chr>   
1 Sepal.Length numeric predictor original
2 Sepal.Width  numeric predictor original
3 Petal.Length numeric predictor original
4 Petal.Width  numeric predictor original
5 Species      nominal outcome   original

$steps
$steps[[1]]
$terms
<list_of<quosure>>

[[1]]
<quosure>
expr: ^recipe
env:  0x000002b2073fe328

[[2]]
<quosure>
expr: ^Sepal.Length
env:  0x000002b2073fe328


$role
[1] NA

$trained
[1] FALSE

$min
[1] 0

$max
[1] 1

$ranges
NULL

$skip
[1] FALSE

$id
[1] "range_p7JFo"

attr(,"class")
[1] "step_range" "step"      


$template
# A tibble: 150 × 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <fct>  
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# … with 140 more rows
# ℹ Use `print(n = ...)` to see more rows

$levels
NULL

$retained
[1] NA

问题原因 #

1. step_range参数错误：使用管道%>%时，前一步的recipe对象会自动传入step_range，不需要手动在step_range的第一个参数写recipe，这个错误导致函数识别的处理对象错误。
2. 未执行训练与应用流程：recipe包的step系列函数只是定义数据处理的流程，并没有实际计算处理规则（比如归一化的min/max值）和应用到数据上，必须通过prep()训练流程，再用bake()或juice()提取处理后的数据。

正确解决方案 #

代码示例 #

# 加载包
library(recipes)
library(dplyr)

# 1. 定义处理流程（注意step_range的参数不再写recipe）
iris_recipe <- iris %>% 
  recipe(Species ~ .) %>% 
  step_range(all_numeric_predictors(), min = 0, max = 1)

# 2. 训练处理流程（计算归一化所需的统计量）
iris_recipe_trained <- prep(iris_recipe, training = iris)

# 3. 提取处理后的数据（juice用于提取训练集处理结果，bake可用于新数据）
iris_processed <- juice(iris_recipe_trained)

# 查看结果
head(iris_processed)

输出示例 #

Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1    0.2222222   0.6250000    0.0677966   0.0416667  setosa
2    0.1666667   0.4166667    0.0677966   0.0416667  setosa
3    0.1111111   0.5000000    0.0508475   0.0416667  setosa
4    0.0833333   0.4583333    0.0847458   0.0416667  setosa
5    0.1944444   0.6666667    0.0677966   0.0416667  setosa
6    0.3055556   0.7916667    0.1186441   0.1250000  setosa

关键说明 #

• prep()：根据训练数据计算处理步骤所需的统计量（比如归一化的最小值、最大值），将流程标记为已训练（trained = TRUE）。
• juice()：从已训练的流程中提取处理后的训练数据。
• bake()：如果有新数据，用已训练的流程处理新数据，比如bake(iris_recipe_trained, new_data = new_iris_data)。

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