เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประมวลผลข้อมูลเบื้องต้น

ถึงเวลา feature engineering แล้ว! ต้องสร้าง recipe เพื่อจัดการกับตัวแปรที่ไม่มีข้อมูลเชิงสาระแต่อาจมีประโยชน์ เช่น ID ของข้อมูล หรือจัดการกับค่าที่หายไป นี่ยังเป็นโอกาสในการแปลง predictor บางตัวด้วย เช่น ทำให้ฟีเจอร์เชิงตัวเลขเป็นค่ามาตรฐาน และสร้างตัวแปร dummy สำหรับฟีเจอร์เชิงกลุ่ม

ชุดข้อมูล attrition และชุดข้อมูล train กับ test ที่สร้างไว้ในแบบฝึกหัดก่อนหน้านี้พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ทำให้ฟีเจอร์เชิงตัวเลขทั้งหมดเป็นค่ามาตรฐาน
  • เติมค่าที่หายไปโดยใช้อัลกอริทึมการเติมค่าแบบ knn
  • สร้างตัวแปร dummy สำหรับ predictor เชิงกลุ่ม (nominal) ทั้งหมด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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
แก้ไขและรันโค้ด