शुरू करेंमुफ़्त में शुरू करें

Yeo-Johnson ट्रांसफॉर्मेशन

उन कर्मचारियों के बारे में पूरी तरह न्यूमेरिक डेटा वाले attrition_num डेटासेट का उपयोग करते हुए, जिन्होंने कंपनी छोड़ी है, आप एक ऐसा मॉडल बनाना चाहते हैं जो यह प्रेडिक्ट कर सके कि कोई कर्मचारी रहने की संभावना रखता है या नहीं. इसके लिए आप Attrition का उपयोग करेंगे, जो एक बाइनरी वैरिएबल है और factor के रूप में कोडेड है. फीचर्स को लगभग नॉर्मल व्यवहार कराने के लिए, आप एक रेसिपी बनाएँगे जो Yeo-Johnson ट्रांसफॉर्मेशन लागू करती है.

attrition_num डेटा, लॉजिस्टिक रिग्रेशन lr_model, यूज़र-डिफ़ाइन्ड class-evaluate() फंक्शन, और train तथा test स्प्लिट्स आपके लिए लोड किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक रेसिपी बनाएँ जो Yeo-Johnson का उपयोग करके सभी न्यूमेरिक फीचर्स, जिनमें टार्गेट भी शामिल है, को ट्रांसफॉर्म करे.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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

lr_workflow_YJ <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_YJ)
lr_fit_YJ <- lr_workflow_YJ %>%
  fit(train)
lr_aug_YJ <-
  lr_fit_YJ %>% augment(test)
lr_aug_YJ %>% class_evaluate(truth = Attrition,
                 estimate = .pred_class,.pred_No)
कोड संपादित करें और चलाएँ