Yeo-Johnson 轉換
使用 attrition_num 資料集（包含所有已離職員工的數值型資料），你想要建立一個模型，利用作為 factor 編碼的二元變數 Attrition 來預測員工是否可能留下。為了讓特徵更接近常態分佈，你將建立一個 recipe，套用 Yeo-Johnson 轉換。
已為你載入 attrition_num 資料、邏輯斯迴歸 lr_model、使用者自訂的 class-evaluate() 函式，以及 train 和 test 資料切分。
本練習屬於課程
R 的特徵工程
練習說明
- 建立一個 recipe，使用 Yeo-Johnson 轉換來處理所有數值型特徵，包含目標變數。
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。
# 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)