Визуализация хеширования

Визуальное представление данных зачастую помогает лучше понять их структуру. Объект baked типа tibble содержит хеш-индексы, соответствующие фактору EducationField. Вы можете изучить весь набор данных или его часть в виде матрицы, чтобы выявить закономерности или обнаружить возможные ошибки.

Пакет plot.matrix уже загружен для вас.

Это упражнение является частью курса

Конструирование признаков в R

Посмотреть курс

Инструкции к упражнению

Преобразуйте объект tibble типа baked в матрицу.
Постройте график матрицы attrition_hash.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Convert the baked tibble to a matrix
attrition_hash <- ___(baked)[1:50,] 

# Plot the attrTheTition_hash matrix
___(attrition_hash, 
     col = c("white","steelblue"), 
     key = NULL,
     border = NA)

Редактировать и запускать код

Конструирование признаков в R

SkillTag.level.intermediateSkillTag.label

4.8+

150 reviews

В завершение курса вы познакомитесь с техниками конструирования признаков в контексте машинного обучения. Сначала вы сосредоточитесь на проблемах, возникающих при использовании всех доступных признаков в модели, а также на важности выявления нерелевантных и избыточных признаков и их удаления с помощью встроенных методов — lasso и elastic-net. Затем вы изучите методы регуляризации: lasso, ridge и elastic-net, которые позволяют регуляризировать веса признаков или выполнять их отбор, обнуляя соответствующие коэффициенты. В финале вы сосредоточитесь на построении сквозного рабочего процесса конструирования признаков, повторите и закрепите изученные концепции и функции в небольшом проекте.

Exercise 1: Сокращение признаков модели Exercise 2: Анализ важности переменных Exercise 3: Оценка производительности модели с использованием всех доступных предикторов Exercise 4: Построение сокращённой модели Exercise 5: Методы сжатия Exercise 6: Ручная регуляризация с помощью Lasso Exercise 7: Настройка штрафного параметра Exercise 8: Финализация модели Exercise 9: Собираем всё воедино Exercise 10: Подготовка и разбиение Exercise 11: Предобработка Exercise 12: Модель Exercise 13: Оценка Exercise 14: Поздравляем!