완전한 Feature Engineering 파이프라인
recipes 패키지는 여러 Feature Engineering 단계를 하나의 객체에 담아, Machine Learning 워크플로에서 데이터 변환을 더 쉽게 관리할 수 있도록 설계되었습니다.
이번 연습에서는 통신 데이터(telecommunications data)를 모델링에 적합하도록 준비하기 위해 Feature Engineering 파이프라인을 학습해 보겠습니다.
이전 연습에서 사용한 telecom_df 티블과 telecom_training, telecom_test 데이터셋이 워크스페이스에 로드되어 있습니다.
이 연습은 강의의 일부입니다
R에서 tidymodels로 모델링하기
연습 안내
- 학습 데이터의 모든 예측 변수를 사용해
canceled_service를 예측하는 레시피를 만드세요. - 임계값 0.8을 사용하여 상관된 예측 변수를 제거하세요.
- 모든 숫자형 예측 변수를 정규화하세요.
- 모든 명목형 예측 변수에 대해 더미 변수를 만드세요.
- 레시피를 학습 데이터로 학습한 뒤, 테스트 데이터에 적용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create a recipe that predicts canceled_service using the training data
telecom_recipe <- ___ %>%
# Remove correlated predictors
___ %>%
# Normalize numeric predictors
___ %>%
# Create dummy variables
___
# Train your recipe and apply it to the test data
telecom_recipe %>%
___ %>%
___