LoslegenKostenlos starten

Box-Cox-Transformation

Mit dem Datensatz attrition_num mit allen numerischen Daten zu Mitarbeitenden, die das Unternehmen verlassen haben, möchtest du ein Modell bauen, das vorhersagen kann, ob eine Person wahrscheinlich bleibt. Dafür nutzt du Attrition, eine binäre Variable, die als factor codiert ist. Damit sich die Features annähernd normalverteilt verhalten, erstellst du ein Recipe, das die Box-Cox-Transformation anwendet.

Die attrition_num-Daten, die logistische Regression lr_model, die benutzerdefinierte Funktion class-evaluate() sowie die Splits train und test sind für dich geladen.

Diese Übung ist Teil des Kurses

<Kurs>Feature Engineering in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle ein Recipe, das mit Box-Cox alle numerischen Features transformiert, einschließlich des Targets.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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

lr_workflow_BC <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_BC)
lr_fit_BC <- lr_workflow_BC %>%
  fit(train)
lr_aug_BC <-
  lr_fit_BC %>% augment(test)
lr_aug_BC %>% class_evaluate(truth = Attrition,
                 estimate = .pred_class,.pred_No)
Code bearbeiten und ausführen