根据火车组在测试集中缩放连续特征

Question

我正在构建一个GBM分类器来预测某个目标变量。

我的数据包含许多连续变量，我希望使用age函数来扩展其中的一个变量( scale )。我应该在火车集合中缩放这个变量，然后根据火车集的在测试集中进行缩放，这样我就不会得到信息泄漏。我的问题是如何在R中应用这个？

我这样做的方法是在火车组和测试集中分别缩放年龄特征，这是不完全正确的。下面是我的代码(我使用插入符号包)：

for (i in (1:10)) {
  print(i)
  set.seed(i)
  
  IND = createDataPartition(y = MYData$Target_feature, p=0.8, list = FALSE)
  TRAIN_set = MYData[IND, ]
  TEST_set = MYData[-IND,]
  
  TRAIN_set$age = scale(TRAIN_set$age)
  TEST_set$age = scale(TEST_set$age)
  
  GBMModel <- train(Target_feature~., data = TRAIN_set,
                    method = "gbm",
                    metric="ROC",
                    trControl = ctrlCV,
                    tuneGrid = gbmGRID,
                    verbose = FALSE
                    
  )
  
  
  AUCs_Trn[i] = auc(roc(TRAIN_set$Target_feature,predict(GBMModel,TRAIN_set, type='prob')[,1]))
  AUCs_Tst[i] = auc(roc(TEST_set$Target_feature,predict(GBMModel,TEST_set, type='prob')[,1]))
  
}

注意:我只想缩放age特性。

Answer 1

一种方法是通过与训练集的平均值和标准偏差(相当于scale()所做的)手动缩放测试数据。

test$age_scaled = (test$age - mean(train$age) ) / sd(train$age)