在R tidymodels中如何为指定变量设置sum to zero对比

需求可行性结论 #

你的需求完全可以实现，无需修改全局对比配置，也不会影响其他变量的默认对比规则。你现有代码的核心问题是step_dummy中加了one_hot = TRUE，该参数会生成n个全量虚拟变量，和base R中contr.sum生成n-1个虚拟变量的求和约束逻辑冲突，因此拟合结果和基准代码不一致。

推荐实现方案 #

方案1：在recipe的step_dummy中指定专属对比 #

直接利用step_dummy的contrasts参数为指定变量单独设置对比规则，其余变量默认使用全局对照配置：

library(tidymodels)
Bikeshare <- ISLR2::Bikeshare  

# 模型声明
lm_spec <- linear_reg() %>%
  set_engine("lm")

# 配方配置，仅为mnth和hr设置sum to zero对比
the_rec <- 
  recipe(
    bikers ~ mnth + hr + workingday + temp + weathersit,
    data = Bikeshare
  ) %>%
  step_dummy(c(mnth, hr), 
             contrasts = list(mnth = contr.sum(12), hr = contr.sum(24)))

# 工作流装配与拟合
the_workflow <- workflow() %>% 
  add_recipe(the_rec) %>% 
  add_model(lm_spec)

the_workflow_fit <- fit(the_workflow, data = Bikeshare)
mod_tidy <- extract_fit_parsnip(the_workflow_fit)

# 验证和base R结果一致，会返回TRUE
all.equal(coef(mod_tidy$fit), coef(mod.lm2))

方案2：在模型引擎参数中指定对比 #

不需要在recipe中处理虚拟变量，直接将自定义对比规则传给lm引擎的contrasts参数，实现效果完全一致：

library(tidymodels)
Bikeshare <- ISLR2::Bikeshare  

# 模型声明时直接指定专属对比
lm_spec <- linear_reg() %>%
  set_engine("lm", contrasts = list(mnth = contr.sum(12), hr = contr.sum(24)))

# 配方不需要额外处理分类变量
the_rec <- recipe(
  bikers ~ mnth + hr + workingday + temp + weathersit,
  data = Bikeshare
)

# 工作流装配与拟合
the_workflow <- workflow() %>% 
  add_recipe(the_rec) %>% 
  add_model(lm_spec)

the_workflow_fit <- fit(the_workflow, data = Bikeshare)

两种方案都不会修改全局options中的对比规则，其他分类变量（如workingday、weathersit）仍会使用默认的treatment对比，完全符合你的需求。

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