Upptäck korrelerade prediktorer
Korrelerade prediktorvariabler ger redundant information och kan påverka modellanpassningen negativt. När två variabler är starkt korrelerade förändras deras värden linjärt med varandra och ger därmed samma information till dina maskininlärningsalgoritmer. Detta fenomen kallas multikollinearitet.
Innan du påbörjar modellanpassningen är det viktigt att utforska din datamängd för att hitta sådana samband och ta bort dem i dina särdragsbearbetningssteg.
I den här övningen utforskar du datamängden telecom_training genom att skapa en korrelationsmatris för alla numeriska prediktorvariabler.
Data från telecom_training 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_training %>%
# Select numeric columns
___(___) %>%
# Calculate correlation matrix
___