在R中使用配方后，如何取消（反变换）变量的规范化？

我正在使用

train

功能训练

neuralnet

，并使用

配方对数据进行预处理

是否有任何功能可以从模型中进行预测，然后在原始范围内重新缩放它们，在我的例子中是
[1100]

库（插入符号）
图书馆（食谱）
图书馆（neuralnet）
#创建数据集-时间表
tt如果使用
step\u normalize
而不是
step\u scale
和
step\u center
，则可以根据
配方使用以下函数“取消规范化”。（如果希望通过两个步骤进行规范化，则需要调整
非规范化功能。）

此函数用于提取相关步骤

#' Extract step item
#'
#' Returns extracted step item from prepped recipe.
#'
#' @param recipe Prepped recipe object.
#' @param step Step from prepped recipe.
#' @param item Item from prepped recipe.
#' @param enframe Should the step item be enframed?
#'
#' @export
extract_step_item <- function(recipe, step, item, enframe = TRUE) {
  d <- recipe$steps[[which(purrr::map_chr(recipe$steps, ~ class(.)[1]) == step)]][[item]]
  if (enframe) {
    tibble::enframe(d) %>% tidyr::spread(key = 1, value = 2)
  } else {
    d
  }
}


其中，
predictions
是从训练模型生成的预测向量，
prepped\u recipe\u obj
在您的情况下是
rec\u reg
，而
outcome\u var\u name
在您的情况下是
产品
如果您使用
步骤规范化
而不是
步骤尺度和
步骤中心
，根据
配方
，可以使用以下函数“取消规格化”。（如果希望通过两个步骤进行规范化，则需要调整
非规范化功能。）

此函数用于提取相关步骤

#' Extract step item
#'
#' Returns extracted step item from prepped recipe.
#'
#' @param recipe Prepped recipe object.
#' @param step Step from prepped recipe.
#' @param item Item from prepped recipe.
#' @param enframe Should the step item be enframed?
#'
#' @export
extract_step_item <- function(recipe, step, item, enframe = TRUE) {
  d <- recipe$steps[[which(purrr::map_chr(recipe$steps, ~ class(.)[1]) == step)]][[item]]
  if (enframe) {
    tibble::enframe(d) %>% tidyr::spread(key = 1, value = 2)
  } else {
    d
  }
}


其中，
predictions
是从训练模型生成的预测向量，
prepped_recipe_obj
在您的案例中是
rec_reg
，而
outcome_var_name
在您的案例中是
产品
。
您可能也感兴趣。您也可能对。
unnormalize(predictions, prepped_recipe_obj, outcome_var_name)