결측값 대치와 더미 변수 생성
attrition 데이터셋에서 결측값을 확인하고, 결측이 완전 무작위(MCAR)라고 판단했으므로 K 최근접 이웃(KNN) 대치를 사용하기로 합니다. 특성 공학 recipe를 구성하는 동안 모든 명목형 변수에 대해 더미 변수를 만들고, ...1 변수의 역할을 "ID"로 업데이트하여 모델에 영향을 주지 않으면서도 참조용으로 데이터셋에 유지하기로 합니다.
이 연습은 강의의 일부입니다
R로 배우는 Feature Engineering
연습 안내
...1의 역할을 "ID"로 업데이트하세요.- 결측이 있는 모든 예측 변수에 값을 대치하세요.
- 모든 명목형 예측 변수에 대해 더미 변수를 생성하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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