Processen för feature engineering
För att integrera feature engineering i modelleringsprocessen måste tränings- och testdatamängderna förbehandlas innan modellen anpassas. Med de nya kunskaper du har fått i det här kapitlet kan du använda alla tillgängliga prediktorsvariabler i telekommunikationsdatan för att träna din logistiska regressionsmodell.
I den här övningen skapar du en feature engineering-pipeline för telekommunikationsdatan och använder den för att transformera tränings- och testdatamängderna.
Datamängderna telecom_training och telecom_test samt din modellspecifikation för logistisk regression, logistic_model, har lästs in i din session.
Den här övningen är en del av kursen
Modellering med tidymodels i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
telecom_recipe <- recipe(___, data = ___) %>%
# Removed correlated predictors
___(___) %>%
# Log transform numeric predictors
___(___, base = 10) %>%
# Normalize numeric predictors
___(___) %>%
# Create dummy variables
___(___, ___)