เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ใครจะอยู่ต่อ?

ถึงเวลาฝึกนำการแปลงข้อมูลหลายรูปแบบมาใช้ร่วมกันกับชุดข้อมูล attrition_num โดยเริ่มจากการทำให้ตัวแปรตัวเลขมีการกระจายใกล้เคียงปกติด้วยการแปลง Yeo-Johnson จากนั้นแปลงตัวทำนายที่เป็นตัวเลขให้เป็น percentile สร้าง dummy variable และตัดฟีเจอร์ที่มีความแปรปรวนใกล้ศูนย์ออก

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้การแปลง Yeo-Johnson กับตัวแปรตัวเลขทั้งหมด
  • แปลงตัวทำนายที่เป็นตัวเลขทั้งหมดให้เป็น percentile
  • สร้าง dummy variable สำหรับตัวทำนายที่เป็น nominal ทั้งหมด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

lr_recipe <- recipe(Attrition ~., data = train) %>%

# Apply a Yeo-Johnson transformation to all numeric variables
  ___ %>%

# Transform all numeric predictors into percentiles
 ___ %>%

# Create dummy variables for all nominal predictors
  ___

lr_workflow <- workflow() %>% add_model(lr_model) %>% add_recipe(lr_recipe)
lr_fit <- lr_workflow %>% fit(train)
lr_aug <- lr_fit %>% augment(test)
lr_aug %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)
แก้ไขและรันโค้ด