Попередня обробка
Час для створення ознак! Потрібно зібрати recipe, який подбає про неінформативні, але потенційно корисні змінні, як-от ідентифікатор спостереження, а також обробить пропущені значення. Це також нагода перетворити деякі предиктори: наприклад, нормалізувати числові ознаки та створити фіктивні змінні для категоріальних.
Набір даних attrition і розбиття train та test, які ви створили у попередній вправі, доступні у вашому середовищі.
Ця вправа є частиною курсу
Feature Engineering в R
Інструкції до вправи
- Нормалізуйте всі числові ознаки.
- Імпутуйте пропущені значення алгоритмом імпутації
knn. - Створіть фіктивні змінні для всіх номінативних предикторів.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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