vtreat aplicat datelor despre închirierea bicicletelor

În acest exercițiu, vei crea cadre de date cu codificare one-hot pentru datele despre biciclete din iulie/august, pentru a le folosi ulterior cu xgboost.

Cadrele de date bikesJuly și bikesAugust au fost preîncărcate.

Pentru comoditate, am definit variabila vars cu lista coloanelor de variabile folosite în model.

Acest exercițiu face parte din cursul

Învățare supervizată în R: Regresia

Vezi cursul

Instrucțiuni pentru exercițiu

Încarcă pachetul vtreat.
Folosește designTreatmentsZ() pentru a crea un plan de tratament treatplan pentru variabilele din vars, pe baza datelor din bikesJuly (setul de antrenament).
- Setează indicatorul verbose=FALSE pentru a preveni afișarea excesivă a mesajelor.
Completează spațiile libere pentru a crea un vector newvars care conține doar numele variabilelor transformate de tip clean și lev. Afișează-l.
Folosește prepare() pentru a crea un cadru de date de antrenament cu codificare one-hot, numit bikesJuly.treat.
- Utilizează argumentul varRestrictions pentru a restricționa variabilele folosite la cele din newvars.
Folosește prepare() pentru a crea un cadru de date de test cu codificare one-hot, numit bikesAugust.treat, din bikesAugust, în același mod.
Apelează str() pe ambele cadre de date pregătite pentru a vedea structura lor.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# The outcome column
(outcome <- "cnt")

# The input columns
(vars <- c("hr", "holiday", "workingday", "weathersit", "temp", "atemp", "hum", "windspeed"))

# Load the package vtreat
___

# Create the treatment plan from bikesJuly (the training data)
treatplan <- ___(___, ___, verbose = FALSE)

# Get the "clean" and "lev" variables from the scoreFrame
(newvars <- treatplan %>%
  use_series(scoreFrame) %>%        
  filter(code %in% ___) %>%  # get the rows you care about
  use_series(___))           # get the varName column

# Prepare the training data
bikesJuly.treat <- ___(___, ___,  varRestriction = ___)

# Prepare the test data
bikesAugust.treat <- ___(___, ___,  varRestriction = ___)

# Call str() on the treated data
___
___

Editează și rulează codul