Komplett pipeline för särdragsextraktion
Paketet recipes är utformat för att koda flera steg för särdragsextraktion i ett och samma objekt, vilket gör det enklare att hantera datatransformationer i ett maskininlärningsarbetsflöde.
I den här övningen tränar du en pipeline för särdragsextraktion för att förbereda telekommunikationsdata för modellering.
Tibble-objektet telecom_df, samt dina datamängder telecom_training och telecom_test från tidigare övningar, har laddats in i din arbetsyta.
Den här övningen är en del av kursen
Modellering med tidymodels i R
Övningsinstruktioner
- Skapa ett recept som förutsäger
canceled_servicemed hjälp av alla prediktorvariabler i träningsdata. - Ta bort korrelerade prediktorvariabler med ett tröskelvärde på 0,8.
- Normalisera alla numeriska prediktorer.
- Skapa dummyvariabler för alla nominella prediktorer.
- Träna receptet på träningsdata och tillämpa det på testdata.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a recipe that predicts canceled_service using the training data
telecom_recipe <- ___ %>%
# Remove correlated predictors
___ %>%
# Normalize numeric predictors
___ %>%
# Create dummy variables
___
# Train your recipe and apply it to the test data
telecom_recipe %>%
___ %>%
___