Začněte nyníZačněte zdarma

Yeo-Johnsonova transformace

Pracuješ s datasetem attrition_num, který obsahuje číselné údaje o zaměstnancích, kteří společnost opustili. Chceš sestavit model, který předpoví, jestli zaměstnanec pravděpodobně zůstane, a to na základě proměnné Attrition – binární proměnné zakódované jako factor. Aby se příznaky chovaly přibližně normálně, vytvoříš recept implementující transformaci Yeo-Johnson.

Data attrition_num, logistický regresní model lr_model, uživatelsky definovaná funkce class-evaluate() a rozdělení na train a test jsou pro tebe již načteny.

Toto cvičení je součástí kurzu

Feature Engineering v R

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř recept, který pomocí Yeo-Johnsonovy transformace upraví všechny numerické příznaky včetně cílové proměnné.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a recipe that uses Yeo-Johnson to transform all numeric features
lr_recipe_YJ <- 
  recipe(Attrition ~., data = train) %>%
  ___

lr_workflow_YJ <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_YJ)
lr_fit_YJ <- lr_workflow_YJ %>%
  fit(train)
lr_aug_YJ <-
  lr_fit_YJ %>% augment(test)
lr_aug_YJ %>% class_evaluate(truth = Attrition,
                 estimate = .pred_class,.pred_No)
Upravit a spustit kód