Imputer les valeurs manquantes et créer des variables indicatrices

Après avoir détecté des valeurs manquantes dans le jeu de données attrition et déterminé qu’elles sont manquantes complètement au hasard (MCAR), vous décidez d’utiliser l’imputation par K plus proches voisins (KNN). Lors de la configuration de votre recipe de feature engineering, vous choisissez de créer des variables indicatrices pour toutes vos variables nominales et de mettre à jour le rôle de la variable ...1 en « ID » afin de la conserver dans le jeu de données à des fins de référence, sans affecter votre modèle.

Cet exercice fait partie du cours

<cours>Feature engineering en R</cours>

Instructions de l’exercice

Mettez à jour le rôle de ...1 en « ID ».
Imputez des valeurs à tous les prédicteurs là où des données sont manquantes.
Créez des variables indicatrices pour tous les prédicteurs nominaux.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

lr_model <- logistic_reg()

lr_recipe <- 
  recipe(Attrition ~., data = train) %>%

# Update the role of "...1" to "ID"
  ___(...1, new_role = "ID" ) %>%

# Impute values to all predictors where data are missing
  step_impute_knn(___) %>%

# Create dummy variables for all nominal predictors
  ___(all_nominal_predictors())

lr_recipe

Modifier et exécuter le code

Cet exercice fait partie du cours

<cours>Feature engineering en R</cours>

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

Les données brutes ne se présentent pas toujours sous la forme la plus adaptée à l’analyse. Dans ce premier chapitre, vous verrez comment transformer et créer des variables qui améliorent les performances et l’interprétabilité de votre modèle.

Exercise 1: Qu’est-ce que le feature engineering ?Exercise 2: Un modèle exploratoire Exercise 3: Concevoir manuellement une variable Exercise 4: Créer de nouvelles variables à partir de votre connaissance du domaine Exercise 5: Préparer vos données pour l’analyse Exercise 6: Construire un workflow Exercise 7: Augmenter le contenu informationnel des données brutes Exercise 8: Identifier les valeurs manquantes Exercise 9: Imputer les valeurs manquantes et créer des variables indicatrices

Exercice actuel

Exercise 10: Ajuster et évaluer le modèle Exercise 11: Prédire les réservations d’hôtel

Dans ce chapitre, vous verrez qu’au‑delà des transformations manuelles, vous pouvez exploiter les outils du tidyverse pour créer automatiquement de nouvelles variables. Vous découvrirez en quoi cette approche améliore la reproductibilité de vos modèles et se révèle particulièrement utile avec des jeux de données comportant de nombreuses variables.

Exercise 1: Pourquoi transformer des variables existantes ?Exercise 2: Jeter un coup d’œil à vos données Exercise 3: Normaliser et appliquer une transformation logarithmique Exercise 4: Ajuster et augmenter Exercise 5: Personnalisez l’évaluation de votre modèle Exercise 6: Transformations courantes des variables Exercise 7: Transformations courantes Exercise 8: Recette simple Exercise 9: Transformation de Box-Cox Exercise 10: Transformation de Yeo-Johnson Exercise 11: Transformations avancées Exercise 12: Référence de base Exercise 13: step_poly()Exercise 14: step_percentile()Exercise 15: Qui reste ?

Vous allez maintenant apprendre que les modèles bénéficient souvent d’une réduction de dimension et de l’extraction de variables à partir de données de grande dimension, notamment en convertissant des textes en valeurs numériques, en encodant des catégories et en classant la puissance prédictive des variables. Vous explorerez des méthodes comme l’analyse en composantes principales, l’analyse en composantes principales à noyau, l’extraction numérique à partir de textes, les encodages catégoriels et les scores d’importance des variables.

Exercise 1: Réduction de la dimensionnalité Exercise 2: Préparer le terrain Exercise 3: Explorer la structure en profondeur Exercise 4: Pourcentage de variance expliquée Exercise 5: Visualiser la variance expliquée Exercise 6: Feature hashing Exercise 7: Examiner le champ d’éducation Exercise 8: Dans la matrice Exercise 9: Explorer le hachage Exercise 10: Visualiser le hashing Exercise 11: Encoder des variables catégorielles à l’aide de l’apprentissage supervisé Exercise 12: Configurer votre workflow Exercise 13: Ajuster, augmenter et évaluer Exercise 14: Assembler les modèles Exercise 15: Importance des variables Exercise 16: Créer un workflow Exercise 17: Ajuster et augmenter Exercise 18: Quel est le principal prédicteur ?

Vous terminerez le cours en découvrant des techniques de feature engineering et de Machine Learning. Vous commencerez par vous concentrer sur les problèmes liés à l’utilisation de toutes les variables disponibles dans un modèle et sur l’importance d’identifier les variables non pertinentes ou redondantes, puis d’apprendre à les supprimer à l’aide de méthodes intégrées comme le lasso et l’elastic‑net. Ensuite, vous explorerez des méthodes de rétrécissement comme le lasso, la ridge et l’elastic‑net, qui permettent de régulariser les poids des variables ou de sélectionner des variables en annulant certains coefficients. Enfin, vous construirez un flux de travail de feature engineering de bout en bout et réviserez les notions et fonctions vues précédemment dans un petit projet.

Exercise 1: Réduire les variables du modèle Exercise 2: Passer au crible l’importance des variables Exercise 3: Évaluer les performances du modèle avec tous les prédicteurs disponibles Exercise 4: Construire un modèle réduit Exercise 5: Méthodes de rétrécissement Exercise 6: Régularisation manuelle avec Lasso Exercise 7: Ajuster la pénalité Exercise 8: Finaliser le modèle Exercise 9: Réunir le tout Exercise 10: Préparer et découper Exercise 11: Prétraiter Exercise 12: Modèle Exercise 13: Évaluer Exercise 14: Félicitations !