ในแบบฝึกหัดนี้ จะได้ใช้ vtreat เพื่อทำ one-hot-encoding กับตัวแปรประเภท categorical บนตัวอย่างขนาดเล็ก vtreat จะสร้าง treatment plan เพื่อแปลงตัวแปร categorical ให้เป็น indicator variables (มีรหัสว่า "lev") และทำความสะอาดค่าที่ผิดปกติในตัวแปรตัวเลข (มีรหัสว่า "clean")

หากต้องการออกแบบ treatment plan ให้ใช้ฟังก์ชัน designTreatmentsZ() (docs)

treatplan <- designTreatmentsZ(data, varlist)

data: data frame ชุดฝึกฝนต้นฉบับ
varlist: vector ของตัวแปร input ที่ต้องการจัดการ (เป็น string)

designTreatmentsZ() คืนค่าเป็น list ที่มีองค์ประกอบชื่อ scoreFrame ซึ่งเป็น data frame ที่เก็บชื่อและประเภทของตัวแปรใหม่:

scoreFrame <- treatplan %>% 
            magrittr::use_series(scoreFrame) %>% 
            select(varName, origName, code)

varName: ชื่อของตัวแปรใหม่ที่ผ่านการจัดการแล้ว
origName: ชื่อตัวแปรต้นฉบับที่ตัวแปรใหม่นี้มาจาก
code: ประเภทของตัวแปรใหม่
- "clean": ตัวแปรตัวเลขที่ไม่มี NA หรือ NaN
- "lev": indicator variable สำหรับระดับใดระดับหนึ่งของตัวแปร categorical ต้นฉบับ

(magrittr::use_series() (docs) เป็น alias ของ $ ที่ใช้งานได้ใน pipe)

สำหรับแบบฝึกหัดเหล่านี้ เราต้องการ varName ที่มี code เป็น "clean" หรือ "lev":

newvarlist <- scoreFrame %>% 
             filter(code %in% c("clean", "lev") %>%
             magrittr::use_series(varName)

หากต้องการแปลงชุดข้อมูลให้เป็นตัวแปรตัวเลขและตัวแปรที่ผ่าน one-hot-encoding ทั้งหมด ให้ใช้ prepare() (docs):

data.treat <- prepare(treatplan, data, varRestrictions = newvarlist)

treatplan: treatment plan ที่สร้างไว้
data: data frame ที่ต้องการจัดการ
varRestrictions: ตัวแปรที่ต้องการให้มีใน data ที่ผ่านการจัดการแล้ว

โหลด data frame dframe และแพ็กเกจ magrittr ไว้ให้แล้ว

แนวคิดเบื้องหลังวิธีการเรียนรู้แบบต้นไม้

Create Your Free Account