ПочатиПочніть безкоштовно

Перетворення Єо–Джонсона

Використовуючи набір даних attrition_num з усіма числовими даними про працівників, які залишили компанію, ви хочете побудувати модель, що зможе передбачати, чи працівник, імовірно, залишиться, використовуючи Attrition — бінарну змінну, закодовану як factor. Щоб зробити розподіли ознак наближеними до нормальних, ви створите рецепт, який застосовує перетворення Єо–Джонсона.

Дані attrition_num, логістична регресія lr_model, визначена користувачем функція class-evaluate() і розбиття train та test уже завантажені для вас.

Ця вправа є частиною курсу

Feature Engineering в R

Переглянути курс

Інструкції до вправи

  • Створіть рецепт, який застосовує Єо–Джонсона до всіх числових ознак, включно з цільовою.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create a recipe that uses Yeo-Johnson to transform all numeric features
lr_recipe_YJ <- 
  recipe(Attrition ~., data = train) %>%
  ___

lr_workflow_YJ <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_YJ)
lr_fit_YJ <- lr_workflow_YJ %>%
  fit(train)
lr_aug_YJ <-
  lr_fit_YJ %>% augment(test)
lr_aug_YJ %>% class_evaluate(truth = Attrition,
                 estimate = .pred_class,.pred_No)
Редагувати та запускати код