Förbehandling
Dags för särdragsframtagning! Du behöver skapa ett recept för att hantera icke-informativa men potentiellt värdefulla variabler, som observations-ID, samt saknade värden. Det här är också ett tillfälle att transformera vissa prediktorer – till exempel normalisera numeriska särdrag och skapa dummyvariabler för kategoriska.
Datamängden attrition samt de uppdelningar i train och test som du skapade i föregående övning finns tillgängliga i din miljö.
Den här övningen är en del av kursen
Feature Engineering i R
Övningsinstruktioner
- Normalisera alla numeriska särdrag.
- Imputera saknade värden med hjälp av
knn-imputeringsalgoritmen. - Skapa dummyvariabler för alla nominella prediktorer.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
recipe <- recipe(Attrition ~ ., data = train) %>%
update_role(...1, new_role = "ID") %>%
# Normalize all numeric features
___(all_numeric_predictors()) %>%
# Impute missing values using the knn imputation algorithm
___(all_predictors()) %>%
# Create dummy variables for all nominal predictors
___(all_nominal_predictors())
recipe