如何使用 R 配方處理因新因子水平而導致的 NA？

Question

我預處理了一個訓練數據集 (A)，現在想使用 R 配方為測試集 (B) 重現這些步驟。

問題是，測試集中有新的因子水平，我想忽略：

library(recipes)

(A <- data.frame(a = c(1:19, NA), b = factor(c(rep("l1",18), "l2", NA))))

(B <- data.frame(a = c(1:3, NA), b = factor(c("l1", "l2", NA, "l3"))))

rec.task <- 
  recipe(~ ., data = A) %>% 
  step_unknown(all_predictors(), -all_numeric()) %>% 
  step_medianimpute(all_numeric()) %>%  
  step_other(all_predictors(), -all_numeric(), threshold = 0.1, other=".merged") %>% 
  step_dummy(all_predictors(), -all_numeric()) 

tr.recipe <- prep(rec.task, training = A)
(AA <- juice(tr.recipe))

現在的問題是下表中的 NA：

(BB <- bake(tr.recipe, B))

      a b_.merged
  <dbl>     <dbl>
1     1         0
2     2         1
3     3         1
4    10        NA
Warnmeldung:
There are new levels in a factor: NA 

我可以在這些步驟中以某種方式避免它嗎？ 我可以在配方過程中將 NA 歸為零嗎（我對基本的 R 或 dplyr 解決方案不感興趣）？

Answer 1

step_novel()是解決方案。 請參閱虛擬變量小插圖。

Answer 2

正如 topepo 所解釋的，step_novel function 是一種可能的解決方案。 通過以下方式更改分配 rec.task 的代碼

rec.task <- 
recipe(~ ., data = A) %>% 
step_novel(all_predictors(), -all_numeric()) %>% 
step_unknown(all_predictors(), -all_numeric()) %>% 
step_medianimpute(all_numeric()) %>%  
step_other(all_predictors(), -all_numeric(), threshold = 0.1, other=".merged") %>% 
step_dummy(all_predictors(), -all_numeric()) %>% 
step_zv(all_predictors())

那么 output 將是：

# A tibble: 4 x 2
      a b_.merged
  <dbl>     <dbl>
1     1         0
2     2         1
3     3         1
4    10         1