Kompletny potok inżynierii cech
Pakiet recipes pozwala zakodować wiele kroków inżynierii cech w jednym obiekcie, co ułatwia zarządzanie transformacjami danych w przepływie pracy uczenia maszynowego.
W tym ćwiczeniu wytrenujemy potok inżynierii cech, aby przygotować dane telekomunikacyjne do modelowania.
Tibble telecom_df, a także zbiory telecom_training i telecom_test z poprzednich ćwiczeń zostały wczytane do twojego środowiska pracy.
To ćwiczenie jest częścią kursu
Modelowanie z tidymodels w R
Instrukcje do ćwiczenia
- Utwórz przepis (recipe), który przewiduje
canceled_servicena podstawie wszystkich zmiennych predykcyjnych w danych treningowych. - Usuń skorelowane zmienne predykcyjne, używając progu wynoszącego 0,8.
- Znormalizuj wszystkie numeryczne predyktory.
- Utwórz zmienne dummy dla wszystkich nominalnych predyktorów.
- Wytrenuj przepis na danych treningowych i zastosuj go do danych testowych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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 %>%
___ %>%
___