Začněte nyníZačněte zdarma

Příprava dat pro analýzu

Budeš pracovat s verzí datasetu nycflights13, načteného jako flights. Obsahuje informace o letech odlétajících z New Yorku. Cílem je předpovědět, zda letadlo dorazí do cíle se zpožděním, ale nejdřív je potřeba data připravit na analýzu.

Po konzultaci s týmem odborníků byly pro model vybrány tyto proměnné: flight, sched_dep_time, dep_delay, sched_arr_time, carrier, origin, dest, distance, date, arrival.

Datum upravíš pomocí mutate() a funkce as.Date() a proměnné typu character převedeš na faktory.

Nakonec data rozdělíš na trénovací sadu train a testovací sadu test.

Toto cvičení je součástí kurzu

Feature Engineering v R

Zobrazit kurz

Pokyny k cvičení

  • Převeď všechny proměnné typu character na faktory.
  • Rozděl data o letech na testovací a trénovací sadu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

flights <- flights %>%
  select(flight, sched_dep_time, dep_delay, sched_arr_time, carrier, origin, dest, distance, date, arrival) %>%

# Tranform all character-type variables to factors
  mutate(date = as.Date(date), ___(where(is.character), as.factor))

# Split the flights data into test and train sets
set.seed(246)
split <- flights %>% initial_split(prop = 3/4, strata = arrival)
test <- ___(split)
train <- ___(split)

test %>% select(arrival) %>% table() %>% prop.table()
train %>% select(arrival) %>% table() %>% prop.table()
Upravit a spustit kód