前處理
進入特徵工程時間！你需要建立一個 recipe，處理像觀測 ID 這類沒有資訊量但可能有用的變數，或是處理遺漏值。這同時也是轉換部分預測變數的好機會；例如，將數值型特徵標準化，並為類別型特徵建立虛擬變數。
你在前一個練習建立的 attrition 資料集，以及 train 與 test 切分，已經在你的環境中可用。
本練習屬於課程
R 的特徵工程
練習說明
- 標準化所有數值型特徵。
- 使用
knn插補演算法來填補遺漏值。 - 為所有名目型預測變數建立虛擬變數。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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