상관된 예측 변수 찾아보기

상관된 예측 변수는 중복 정보를 제공하며 모델 적합 과정에 부정적인 영향을 줄 수 있어요. 두 변수가 높게 상관되어 있으면 값이 서로 선형적으로 함께 변하고, 결국 머신 러닝 알고리즘에 같은 정보를 제공하게 됩니다. 이 현상을 다중공선성이라고 해요.

모델을 적합하기 전에, 데이터셋에서 이런 관계를 탐색해 찾아내고, 피처 엔지니어링 단계에서 제거하는 것이 중요합니다.

이 연습 문제에서는 telecom_training 데이터셋의 모든 수치형 예측 변수로 상관관계 행렬을 만들어 탐색해 보겠습니다.

telecom_training 데이터는 이미 세션에 로드되어 있어요.

이 연습은 강의의 일부입니다

R에서 tidymodels로 모델링하기

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

telecom_training %>% 
  # Select numeric columns
  ___(___) %>% 
  # Calculate correlation matrix
  ___