Bắt đầu ngayBắt đầu miễn phí

Bù khuyết dữ liệu và tạo biến giả (dummy)

Sau khi phát hiện giá trị thiếu trong bộ dữ liệu attrition và xác định rằng chúng thiếu hoàn toàn ngẫu nhiên (MCAR), bạn quyết định dùng phương pháp bù khuyết K Nearest Neighbors (KNN). Khi cấu hình recipe cho feature engineering, bạn quyết định tạo các biến giả cho tất cả các biến định tính (nominal) và cập nhật vai trò của biến ...1 thành "ID" để có thể giữ nó trong bộ dữ liệu làm tham chiếu mà không ảnh hưởng đến mô hình.

Bài tập này là một phần của khóa học

Kỹ thuật đặc trưng (Feature Engineering) với R

Xem khóa học

Hướng dẫn bài tập

  • Cập nhật vai trò của ...1 thành "ID".
  • Bù khuyết giá trị cho tất cả các biến dự báo có dữ liệu bị thiếu.
  • Tạo biến giả cho tất cả các biến dự báo định tính.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

lr_model <- logistic_reg()

lr_recipe <- 
  recipe(Attrition ~., data = train) %>%

# Update the role of "...1" to "ID"
  ___(...1, new_role = "ID" ) %>%

# Impute values to all predictors where data are missing
  step_impute_knn(___) %>%

# Create dummy variables for all nominal predictors
  ___(all_nominal_predictors())

lr_recipe
Chỉnh sửa và Chạy Mã