เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแปลงค่าแบบ Yeo-Johnson

โดยใช้ชุดข้อมูล attrition_num ที่มีข้อมูลตัวเลขของพนักงานที่ลาออกจากบริษัท คุณต้องการสร้างโมเดลที่ทำนายว่าพนักงานคนใดมีแนวโน้มจะอยู่ต่อ โดยใช้ Attrition ซึ่งเป็นตัวแปรแบบไบนารีที่เข้ารหัสเป็น factor เพื่อให้ฟีเจอร์มีการกระจายใกล้เคียงการแจกแจงปกติ คุณจะสร้าง recipe ที่นำการแปลงค่าแบบ Yeo-Johnson มาใช้

ข้อมูล attrition_num, โมเดล Logistic Regression lr_model, ฟังก์ชัน class-evaluate() ที่กำหนดเอง และชุดข้อมูล train และ test ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง recipe ที่ใช้ Yeo-Johnson เพื่อแปลงค่าฟีเจอร์ตัวเลขทั้งหมด รวมถึงตัวแปรเป้าหมายด้วย

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create a recipe that uses Yeo-Johnson to transform all numeric features
lr_recipe_YJ <- 
  recipe(Attrition ~., data = train) %>%
  ___

lr_workflow_YJ <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_YJ)
lr_fit_YJ <- lr_workflow_YJ %>%
  fit(train)
lr_aug_YJ <-
  lr_fit_YJ %>% augment(test)
lr_aug_YJ %>% class_evaluate(truth = Attrition,
                 estimate = .pred_class,.pred_No)
แก้ไขและรันโค้ด