BaşlayınÜcretsiz başlayın

Kategorik girdilerin yapısını inceleme

Bu egzersizde, hem kategorik hem de sayısal girdiler içeren verilerin modelleme için R'de nasıl temsil edildiğini incelemek üzere model.matrix() (docs) çağrısı yapacaksın. Sleuth3 paketinden türetilen flowers veri kümesi senin için yüklendi. Aşağıdaki sütunlara sahip:

  • Flowers: meadowfoam bitkisindeki ortalama çiçek sayısı
  • Intensity: bitkiye uygulanan ışık işleminin şiddeti
  • Time: Kategorik bir değişken - ışık işleminin yaşam döngüsünde ne zaman (Late veya Early) gerçekleştiği

Nihai amaç, Flowers'ı Time ve Intensity'nin bir fonksiyonu olarak tahmin etmektir.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Regresyon

Kursa Göz Atın

Egzersiz talimatları

  • Her sütunun türlerini görmek için flowers üzerinde str() fonksiyonunu çağır.
  • Time'ın alabileceği olası değerleri görmek için flowers$Time sütununda unique() fonksiyonunu kullan. Kaç farklı değer var?
  • Flowers'ı Intensity ve Time'ın bir fonksiyonu olarak ifade eden bir formül oluştur. Bunu fmla değişkenine ata ve yazdır.
  • fmla ve model.matrix() kullanarak flowers veri çerçevesi için model matrisini oluştur. Bunu mmat değişkenine ata.
  • flowers'ın ilk 20 satırını incelemek için head() kullan.
  • Şimdi mmat'in ilk 20 satırını incele.
    • Sayısal Intensity sütunu farklı mı?
    • flowers içindeki kategorik Time sütununa ne oldu?
    • Time == 'Early' nasıl temsil ediliyor? Peki Time == 'Late'?

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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
___
Kodu Düzenle ve Çalıştır