vtreat na prostym przykładzie

W tym ćwiczeniu użyjesz pakietu vtreat do zakodowania zmiennej kategorycznej metodą one-hot na prostym przykładzie. vtreat tworzy plan przekształceń, który zamienia zmienne kategoryczne na zmienne wskaźnikowe (oznaczone "lev") i oczyszcza nieprawidłowe wartości ze zmiennych numerycznych (oznaczone "clean").

Aby zaprojektować plan przekształceń, użyj funkcji designTreatmentsZ() (dokumentacja)

treatplan <- designTreatmentsZ(data, varlist)

data: oryginalna treningowa ramka danych
varlist: wektor zmiennych wejściowych do przekształcenia (jako ciągi znaków).

designTreatmentsZ() zwraca listę zawierającą element scoreFrame – ramkę danych z nazwami i typami nowych zmiennych:

scoreFrame <- treatplan %>% 
            magrittr::use_series(scoreFrame) %>% 
            select(varName, origName, code)

varName: nazwa nowej, przekształconej zmiennej
origName: nazwa oryginalnej zmiennej, z której pochodzi przekształcona zmienna
code: typ nowej zmiennej.
- "clean": zmienna numeryczna bez wartości NA ani NaN
- "lev": zmienna wskaźnikowa dla konkretnego poziomu oryginalnej zmiennej kategorycznej.

(magrittr::use_series() (dokumentacja) to alias dla $, którego można używać w potokach.)

W tych ćwiczeniach potrzebujemy wartości varName, dla których code wynosi "clean" lub "lev":

newvarlist <- scoreFrame %>% 
             filter(code %in% c("clean", "lev") %>%
             magrittr::use_series(varName)

Aby przekształcić zbiór danych na same zmienne numeryczne i zakodowane metodą one-hot, użyj funkcji prepare() (dokumentacja):

data.treat <- prepare(treatplan, data, varRestrictions = newvarlist)

treatplan: plan przekształceń
data: ramka danych do przekształcenia
varRestrictions: zmienne, które mają znaleźć się w przekształconych danych

Ramka danych dframe oraz pakiet magrittr zostały już wczytane.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: regresja

Zobacz kurs

Instrukcje do ćwiczenia

Wyświetl dframe. Przyjmijmy, że color i size są zmiennymi wejściowymi, a popularity to wartość do przewidzenia.
Utwórz wektor o nazwie vars zawierający nazwy zmiennych wejściowych (jako ciągi znaków).
Wczytaj pakiet vtreat.
Użyj funkcji designTreatmentsZ(), aby utworzyć plan przekształceń dla zmiennych z wektora vars. Przypisz go do zmiennej treatplan.
Pobierz i przejrzyj scoreFrame z planu przekształceń, aby zobaczyć mapowanie starych zmiennych na nowe.
- Potrzebujesz tylko kolumn varName, origName i code.
- Jakie są nazwy nowych zmiennych wskaźnikowych? A zmiennej ciągłej?
Utwórz wektor newvars zawierający wartości varName, dla których code wynosi clean lub lev. Wyświetl go.
Użyj funkcji prepare(), aby utworzyć nową ramkę danych dframe.treat będącą wersją dframe zakodowaną metodą one-hot (bez kolumny z wartością wynikową).
- Wyświetl ją i porównaj z dframe.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Print dframe
dframe

# Create and print a vector of variable names
(vars <- ___)

# Load the package vtreat
___

# Create the treatment plan
treatplan <- ___(___, ___)

# Examine the scoreFrame
(scoreFrame <- treatplan %>%
    use_series(scoreFrame) %>%
    select(___, ___, ___))

# We only want the rows with codes "clean" or "lev"
(newvars <- scoreFrame %>%
    filter(code %in% ___) %>%
    use_series(varName))

# Create the treated training data
(dframe.treat <- ___(___, ___, varRestriction = newvars))

Edytuj i uruchom kod