În acest exercițiu, vei folosi vtreat pentru a aplica one-hot-encoding unei variabile categorice pe un exemplu simplu. vtreat creează un plan de tratament pentru a transforma variabilele categorice în variabile indicator (codate "lev") și pentru a curăța valorile invalide din variabilele numerice (codate "clean").

Pentru a crea un plan de tratament, folosește funcția designTreatmentsZ() (docs)

treatplan <- designTreatmentsZ(data, varlist)

data: data frame-ul original de antrenament
varlist: un vector cu variabilele de intrare care urmează să fie tratate (ca șiruri de caractere).

designTreatmentsZ() returnează o listă cu elementul scoreFrame: un data frame care include numele și tipurile noilor variabile:

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

varName: numele noii variabile tratate
origName: numele variabilei originale din care provine variabila tratată
code: tipul noii variabile.
- "clean": o variabilă numerică fără valori NA sau NaN
- "lev": o variabilă indicator pentru un nivel specific al variabilei categorice originale.

(magrittr::use_series() (docs) este un alias pentru $ pe care îl poți folosi în pipe-uri.)

Pentru aceste exerciții, dorim varName acolo unde code este fie "clean", fie "lev":

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

Pentru a transforma setul de date în variabile exclusiv numerice și one-hot-encoded, folosește prepare() (docs):

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

treatplan: planul de tratament
data: data frame-ul care urmează să fie tratat
varRestrictions: variabilele dorite în datele tratate

Data frame-ul dframe și pachetul magrittr au fost preîncărcate.

Intuiția din spatele metodelor bazate pe arbori

Create Your Free Account