1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Supervised Learning in R: Regression
Connected

Cvičení

Nové úrovně kategorií

Pokud je některá úroveň kategorické proměnné vzácná, může se stát, že se v trénovacích datech vůbec neobjeví. Když se taková nová úroveň vyskytne v budoucích datech, navazující modely si s ní nemusí vědět rady. V takovém případě model.matrix ani caret::dummyVars pro one-hot-encoding nebudou fungovat správně.

vtreat je „bezpečnější" alternativou k model.matrix pro one-hot-encoding, protože si s novými úrovněmi poradí. vtreat navíc umí pracovat s chybějícími hodnotami v datech (jak u kategorických, tak u spojitých proměnných).

V tomto cvičení uvidíš, jak vtreat zpracovává kategorické hodnoty, které se v trénovací množině nevyskytovaly. Plán zpracování treatplan a sada proměnných newvars z předchozího cvičení jsou stále k dispozici. dframe a nový datový rámec testframe jsou předem načteny.

Pokyny

100 XP
  • Vypiš dframe a testframe.
    • Obsahuje testframe nějaké barvy, které se v dframe nevyskytovaly?
  • Zavolej prepare() a vytvoř one-hot-enkódovanou verzi testframe (bez výstupní proměnné). Pojmenuj ji testframe.treat a vypiš ji.
    • Použij argument varRestriction, abys omezil/a výběr pouze na proměnné obsažené v newvars.
    • Jak jsou zakódované řádky s žlutou barvou?