LoslegenKostenlos loslegen

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

Feature Engineering in R

Kurs anzeigen

Anleitung zur Übung

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

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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