BaşlayınÜcretsiz başlayın

Ön işleme

Feature engineering zamanı! Gözlem kimliği gibi bilgi değeri düşük ama işe yarar olabilecek değişkenlerle ilgilenecek ya da eksik değerleri ele alacak bir recipe oluşturman gerekiyor. Bu aynı zamanda bazı öngörücüleri dönüştürmek için de bir fırsat. Örneğin, sayısal özellikleri normalize edip kategorik olanlar için kukla değişkenler oluşturabilirsin.

attrition veri kümesi ile önceki egzersizde oluşturduğun train ve test ayrımları çalışma ortamında hazır.

Bu egzersiz, kursun bir parçasıdır

R'da Feature Engineering

Kursa Göz Atın

Egzersiz talimatları

  • Tüm sayısal özellikleri normalize et.
  • Eksik değerleri knn atama (imputation) algoritması ile tahmin et.
  • Tüm nominal öngörücüler için kukla değişkenler oluştur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

recipe <- recipe(Attrition ~ ., data = train) %>%
  update_role(...1, new_role = "ID") %>%

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

# Impute missing values using the knn imputation algorithm
  ___(all_predictors()) %>%

# Create dummy variables for all nominal predictors
  ___(all_nominal_predictors())
 
recipe
Kodu Düzenle ve Çalıştır