Codificarea caracteristicilor categorice

Uneori, un set de date conține valori numerice care reprezintă o caracteristică categorică.

În setul de date donors, coloana wealth_rating folosește numere pentru a indica nivelul de avere al donatorului:

0 = Necunoscut
1 = Scăzut
2 = Mediu
3 = Ridicat

Acest exercițiu ilustrează cum să pregătești acest tip de caracteristică categorică și examinează impactul ei asupra unui model de regresie logistică. Cadrul de date donors este disponibil pentru a-l folosi.

Acest exercițiu face parte din cursul

Supervised Learning în R: Clasificare

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un factor wealth_levels pe baza valorilor numerice din wealth_rating, cu etichetele indicate, transmițând funcției factor() coloana pe care vrei să o convertești, nivelurile individuale și etichetele.
Folosește relevel() pentru a schimba categoria de referință la Medium. Primul argument trebuie să fie noua ta coloană de tip factor.
Construiește un model de regresie logistică folosind coloana wealth_levels pentru a prezice donated și afișează rezultatul cu summary().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Convert the wealth rating to a factor
donors$wealth_levels <- ___(___, levels = ___, labels = ___)

# Use relevel() to change reference category
donors$wealth_levels <- ___(___, ref = ___)

# See how our factor coding impacts the model
summary(___)

Editează și rulează codul