शुरू करेंमुफ़्त में शुरू करें

प्रीप्रोसेस

Feature engineering का समय! आपको एक recipe बनानी है जो non-informative लेकिन संभवतः उपयोगी वैरिएबल्स, जैसे observation ID, को संभाले या missing values से निपटे. यह कुछ predictors को transform करने का भी मौका है. मान लीजिए, numerical फीचर्स को normalize करें और categorical वालों के लिए dummy वैरिएबल्स बनाएं.

attrition डेटासेट और पिछले अभ्यास में बनाए गए train और test splits आपके वातावरण में उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • सभी numeric फीचर्स को normalize करें.
  • missing values को knn imputation एल्गोरिदम से impute करें.
  • सभी nominal predictors के लिए dummy वैरिएबल्स बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

recipe <- recipe(Attrition ~ ., data = train) %>%
  update_role(...1, new_role = "ID") %>%

# Normalize all numeric features
  ___(all_numeric_predictors()) %>% 

# Impute missing values using the knn imputation algorithm
  ___(all_predictors()) %>%

# Create dummy variables for all nominal predictors
  ___(all_nominal_predictors())
 
recipe
कोड संपादित करें और चलाएँ