เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การ Normalize และแปลงด้วย Log

คุณได้รับชุดข้อมูล attrition_num ซึ่งเป็นข้อมูลตัวเลขเกี่ยวกับพนักงานที่ลาออกจากบริษัท ฟีเจอร์ที่มีในชุดข้อมูลนี้ ได้แก่ Age, DistanceFromHome และ MonthlyRate

เป้าหมายคือนำข้อมูลนี้ไปสร้างโมเดลสำหรับพยากรณ์ว่าพนักงานแต่ละคนมีแนวโน้มจะอยู่ต่อหรือไม่ โดยใช้ตัวแปร Attrition ซึ่งเป็น binary variable ที่เข้ารหัสเป็น factor ก่อนเข้าสู่ขั้นตอนการสร้างโมเดล คุณต้องการลดความเบ้ (skewness) ที่อาจเกิดขึ้น และป้องกันไม่ให้ตัวแปรบางตัวมีน้ำหนักเกินกว่าตัวอื่นเนื่องจากช่วงค่าที่แตกต่างกัน

ชุดข้อมูล attrition_num รวมถึงการแบ่ง train และ test ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Normalize ตัวทำนาย (predictors) ที่เป็นตัวเลขทั้งหมด
  • แปลงฟีเจอร์ตัวเลขทั้งหมดด้วย log โดยใช้ค่า offset เท่ากับ 1

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

lr_model <- logistic_reg()

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

# Normalize all numeric predictors
  ___(all_numeric_predictors()) %>%

# Log-transform all numeric features, with an offset of one
  ___(___, offset = ___)

lr_workflow <- 
  workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe)

lr_workflow
แก้ไขและรันโค้ด