Preparando os dados

Diferente dos capítulos anteriores, em que preparamos os dados para você para Machine Learning não supervisionado, o objetivo deste capítulo é conduzir você por um fluxo de trabalho mais realista e completo.

Relembre do vídeo que o primeiro passo é baixar e preparar os dados.

Este exercício faz parte do curso

Aprendizado não supervisionado em R

Ver curso

Instruções do exercício

Use a função read.csv() para baixar o arquivo CSV (valores separados por vírgula) contendo os dados a partir da URL fornecida. Atribua o resultado a wisc.df.
Use as.matrix() para converter as variáveis preditoras dos dados (nas colunas 3 a 32) em uma matriz. Armazene isso em uma variável chamada wisc.data.
Atribua aos nomes das linhas de wisc.data os valores atualmente contidos na coluna id de wisc.df. Embora não seja estritamente necessário, isso vai ajudar você a acompanhar as diferentes observações ao longo do processo de modelagem.
Por fim, defina um vetor chamado diagnosis para ser 1 se o diagnóstico for maligno ("M") e 0 caso contrário. Observe que o R converte TRUE em 1 e FALSE em 0.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

url <- "https://assets.datacamp.com/production/course_1903/datasets/WisconsinCancer.csv"

# Download the data: wisc.df


# Convert the features of the data: wisc.data


# Set the row names of wisc.data
row.names(wisc.data) <- wisc.df$___

# Create diagnosis vector
diagnosis <- as.numeric(wisc.df$diagnosis == ___)

Editar e executar o código