ÎncepețiÎncepe gratuit

Pregătirea datelor pentru analiză

Vei lucra cu o versiune a setului de date nycflights13, încărcat ca flights. Acesta conține informații despre zborurile care pleacă din New York City. Dorești să prezici dacă acestea vor ajunge sau nu cu întârziere la destinație, dar mai întâi trebuie să pregătești datele pentru analiză.

În urma discuțiilor cu o echipă de experți privind obiectivele modelului, ai selectat următoarele variabile: flight, sched_dep_time, dep_delay, sched_arr_time, carrier, origin, dest, distance, date, arrival.

Vei aplica și mutate() asupra datei folosind as.Date() și vei converti variabilele de tip caracter în factori.

În final, vei împărți datele în seturile train și test.

Acest exercițiu face parte din cursul

Ingineria caracteristicilor în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Transformă toate variabilele de tip caracter în factori.
  • Împarte datele din flights în seturile de test și de antrenament.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

flights <- flights %>%
  select(flight, sched_dep_time, dep_delay, sched_arr_time, carrier, origin, dest, distance, date, arrival) %>%

# Tranform all character-type variables to factors
  mutate(date = as.Date(date), ___(where(is.character), as.factor))

# Split the flights data into test and train sets
set.seed(246)
split <- flights %>% initial_split(prop = 3/4, strata = arrival)
test <- ___(split)
train <- ___(split)

test %>% select(arrival) %>% table() %>% prop.table()
train %>% select(arrival) %>% table() %>% prop.table()
Editează și rulează codul