Biến đổi Yeo-Johnson
Sử dụng tập dữ liệu attrition_num chứa toàn bộ dữ liệu số về các nhân viên đã rời công ty, bạn muốn xây dựng một mô hình dự đoán khả năng một nhân viên sẽ ở lại, với Attrition là biến nhị phân được mã hóa kiểu factor. Để các đặc trưng gần tuân theo phân phối chuẩn, bạn sẽ tạo một recipe áp dụng biến đổi Yeo-Johnson.
Dữ liệu attrition_num, mô hình hồi quy logistic lr_model, hàm do người dùng định nghĩa class-evaluate(), và các tập chia train và test đã được nạp sẵn cho bạn.
Bài tập này là một phần của khóa học
Kỹ thuật đặc trưng (Feature Engineering) với R
Hướng dẫn bài tập
- Tạo một recipe dùng Yeo-Johnson để biến đổi tất cả các đặc trưng dạng số, bao gồm cả biến mục tiêu.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)