शुरू करेंमुफ़्त में शुरू करें

Missing वैल्यूज़ की इम्प्यूटिंग और dummy वैरिएबल्स बनाना

attrition डेटासेट में missing वैल्यूज़ पहचानने और यह निर्धारित करने के बाद कि वे पूरी तरह रैंडम तरीके से missing हैं (MCAR), आप K Nearest Neighbors (KNN) imputation इस्तेमाल करने का फ़ैसला करते हैं. अपने फीचर इंजीनियरिंग recipe को कॉन्फ़िगर करते समय, आप सभी nominal वैरिएबल्स के लिए dummy वैरिएबल्स बनाने और ...1 वैरिएबल के रोल को "ID" में अपडेट करने का निर्णय लेते हैं ताकि आप उसे रेफ़रेंस के लिए डेटासेट में रख सकें, बिना आपके मॉडल को प्रभावित किए.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ...1 का रोल "ID" में अपडेट करें.
  • जहाँ डेटा missing है, वहाँ सभी predictors के लिए वैल्यूज़ impute करें.
  • सभी nominal predictors के लिए dummy वैरिएबल्स बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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
कोड संपादित करें और चलाएँ