เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ทำความเข้าใจโครงสร้างของ input ประเภท categorical

ในแบบฝึกหัดนี้ จะเรียกใช้ model.matrix() (docs) เพื่อดูว่า R แทนข้อมูลที่มีทั้ง input ประเภท categorical และ numerical อย่างไรในการสร้างโมเดล โหลดชุดข้อมูล flowers (ซึ่งได้มาจากแพ็กเกจ Sleuth3) ให้แล้ว โดยมีคอลัมน์ดังต่อไปนี้:

  • Flowers: จำนวนดอกไม้เฉลี่ยต่อต้นของพืช meadowfoam
  • Intensity: ความเข้มของแสงที่ใช้กับต้นพืช
  • Time: ตัวแปรประเภท categorical — ระบุว่าการรักษาด้วยแสงเกิดขึ้นช่วงใด (Late หรือ Early) ในวงจรชีวิตของพืช

เป้าหมายสุดท้ายคือการทำนาย Flowers จาก Time และ Intensity

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ใน R: การถดถอย

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เรียกใช้ฟังก์ชัน str() กับ flowers เพื่อดูประเภทของแต่ละคอลัมน์
  • ใช้ฟังก์ชัน unique() กับคอลัมน์ flowers$Time เพื่อดูค่าที่เป็นไปได้ของ Time มีค่าที่ไม่ซ้ำกันทั้งหมดกี่ค่า?
  • สร้างสูตรเพื่อแสดง Flowers เป็นฟังก์ชันของ Intensity และ Time กำหนดให้กับตัวแปร fmla แล้วพิมพ์ออกมา
  • ใช้ fmla และ model.matrix() เพื่อสร้าง model matrix สำหรับ data frame flowers กำหนดให้กับตัวแปร mmat
  • ใช้ head() เพื่อดู 20 แถวแรกของ flowers
  • จากนั้นดู 20 แถวแรกของ mmat
    • คอลัมน์ตัวเลข Intensity เปลี่ยนแปลงไปหรือไม่?
    • คอลัมน์ประเภท categorical อย่าง Time จาก flowers เปลี่ยนไปอย่างไร?
    • Time == 'Early' ถูกแทนด้วยค่าอะไร? แล้ว Time == 'Late' ล่ะ?

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Call str on flowers to see the types of each column
___

# Use unique() to see how many possible values Time takes
___

# Build and print a formula to express Flowers as a function of Intensity and Time: fmla
(fmla <- ___("Flowers ~ Intensity + Time"))

# Use fmla and model.matrix to see how the data is represented for modeling
mmat <- ___

# Examine the first 20 lines of flowers
___

# Examine the first 20 lines of mmat
___
แก้ไขและรันโค้ด