Kết hợp các phương pháp tiền xử lý
Đối số preProcess của train() không chỉ giới hạn ở việc bù khuyết giá trị thiếu. Nó còn bao gồm rất nhiều kỹ thuật preProcess khác giúp công việc của bạn với vai trò data scientist trở nên dễ dàng hơn. Bạn có thể xem danh sách đầy đủ bằng cách gõ ?preProcess và đọc trang trợ giúp của hàm này.
Một nhóm hàm tiền xử lý đặc biệt hữu ích cho mô hình hồi quy là chuẩn hóa: centering và scaling. Trước tiên, bạn center bằng cách trừ đi giá trị trung bình của từng cột khỏi từng giá trị trong cột đó, sau đó bạn scale bằng cách chia cho độ lệch chuẩn.
Chuẩn hóa biến đổi dữ liệu của bạn sao cho với mỗi cột, trung bình là 0 và độ lệch chuẩn là 1. Điều này giúp các mô hình hồi quy dễ tìm được nghiệm tốt hơn.
Bài tập này là một phần của khóa học
Machine Learning với caret trong R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Fit glm with median imputation
model <- train(
x = ___,
y = ___,
method = ___,
trControl = myControl,
preProcess = ___
)
# Print model