누가 남아 있을까요?
이제 attrition_num 데이터에 여러 변환을 조합해 보겠습니다. 먼저 Yeo-Johnson 변환을 적용해 숫자 변수를 정규화하거나 정규 분포에 가깝게 만드세요. 그다음 숫자 예측 변수를 분위수로 변환하고, 더미 변수를 만들며, 분산이 거의 0에 가까운 특성은 제거하세요.
이 연습은 강의의 일부입니다
R로 배우는 Feature Engineering
연습 안내
- 모든 숫자 변수에 Yeo-Johnson 변환을 적용하세요.
- 모든 숫자 예측 변수를 분위수(백분위)로 변환하세요.
- 모든 명목형 예측 변수에 대해 더미 변수를 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
lr_recipe <- recipe(Attrition ~., data = train) %>%
# Apply a Yeo-Johnson transformation to all numeric variables
___ %>%
# Transform all numeric predictors into percentiles
___ %>%
# Create dummy variables for all nominal predictors
___
lr_workflow <- workflow() %>% add_model(lr_model) %>% add_recipe(lr_recipe)
lr_fit <- lr_workflow %>% fit(train)
lr_aug <- lr_fit %>% augment(test)
lr_aug %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)