vtreat pro data o půjčování kol

V tomto cvičení vytvoříš one-hot-enkódované datové rámce z dat o půjčování kol za červenec a srpen, které pak použiješ s xgboost.

Dataové rámce bikesJuly a bikesAugust jsou již načteny.

Pro usnadnění práce je proměnná vars předem definována se seznamem sloupců proměnných pro model.

Toto cvičení je součástí kurzu

Supervised Learning in R: Regression

Zobrazit kurz

Pokyny k cvičení

Načti balíček vtreat.
Pomocí designTreatmentsZ() vytvoř plán úprav treatplan pro proměnné v vars z datového rámce bikesJuly (trénovací data).
- Nastav příznak verbose=FALSE, aby funkce nevypisovala příliš mnoho zpráv.
Doplň chybějící části a vytvoř vektor newvars obsahující pouze názvy transformovaných proměnných typu clean a lev. Vypiš ho.
Pomocí prepare() vytvoř one-hot-enkódovaný trénovací datový rámec bikesJuly.treat.
- Pomocí argumentu varRestrictions omez použité proměnné na ty v newvars.
Stejným způsobem vytvoř pomocí prepare() one-hot-enkódovaný testovací rámec bikesAugust.treat z datového rámce bikesAugust.
Zavolej str() na oba připravené datové rámce a prohlédni si jejich strukturu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# The outcome column
(outcome <- "cnt")

# The input columns
(vars <- c("hr", "holiday", "workingday", "weathersit", "temp", "atemp", "hum", "windspeed"))

# Load the package vtreat
___

# Create the treatment plan from bikesJuly (the training data)
treatplan <- ___(___, ___, verbose = FALSE)

# Get the "clean" and "lev" variables from the scoreFrame
(newvars <- treatplan %>%
  use_series(scoreFrame) %>%        
  filter(code %in% ___) %>%  # get the rows you care about
  use_series(___))           # get the varName column

# Prepare the training data
bikesJuly.treat <- ___(___, ___,  varRestriction = ___)

# Prepare the test data
bikesAugust.treat <- ___(___, ___,  varRestriction = ___)

# Call str() on the treated data
___
___

Upravit a spustit kód