小範例中的 vtreat

在這個練習中，你會用 vtreat 在一個小範例上對類別變數做 one-hot encoding。 vtreat 會建立一個「treatment plan」，把類別變數轉換成指示變數（標記為 "lev"），並清理數值變數中的不良值（標記為 "clean"）。

若要設計 treatment plan，使用 designTreatmentsZ()（文件）

treatplan <- designTreatmentsZ(data, varlist)

data：原始訓練資料框
varlist：要處理的輸入變數向量（字串）。

designTreatmentsZ() 會回傳包含元素 scoreFrame 的清單：這是一個資料框，包含新變數的名稱與型別：

scoreFrame <- treatplan %>% 
            magrittr::use_series(scoreFrame) %>% 
            select(varName, origName, code)

varName：新處理後變數的名稱
origName：新變數所對應的原始變數名稱
code：新變數的型別。
- "clean"：沒有 NA 或 NaN 的數值變數
- "lev"：原始類別變數中特定層級的指示變數。

（magrittr::use_series()（文件）是在管線中可替代 $ 的別名。）

在這些練習中，我們要的是 code 為 "clean" 或 "lev" 的 varName：

newvarlist <- scoreFrame %>% 
             filter(code %in% c("clean", "lev") %>%
             magrittr::use_series(varName)

若要把資料集轉換為全數值且完成 one-hot encoding 的變數，使用 prepare()（文件）：

data.treat <- prepare(treatplan, data, varRestrictions = newvarlist)

treatplan：treatment plan
data：要處理的資料框
varRestrictions：處理後資料中希望保留的變數

已預先載入 dframe 資料框與 magrittr 套件。

本練習屬於課程

R 中的監督式學習：回歸

檢視課程

練習說明

列印 dframe。我們假設 color 和 size 是輸入變數，而 popularity 是要被預測的結果變數。
建立一個名為 vars 的向量，內容是輸入變數的名稱（字串）。
載入套件 vtreat。
使用 designTreatmentsZ() 為 vars 中的變數建立 treatment plan，指定為變數 treatplan。
取得並查看 treatment plan 的 scoreFrame，瞭解舊變數到新變數的對應關係。
- 你只需要欄位 varName、origName 和 code。
- 新的指示變數名稱是什麼？連續變數呢？
建立向量 newvars，其內容為 code 為 clean 或 lev 的 varName。將它列印出來。
使用 prepare() 建立新的資料框 dframe.treat，它是 dframe 的 one-hot encoded 版本（不含結果欄）。
- 列印並與 dframe 比較。

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。

# Print dframe
dframe

# Create and print a vector of variable names
(vars <- ___)

# Load the package vtreat
___

# Create the treatment plan
treatplan <- ___(___, ___)

# Examine the scoreFrame
(scoreFrame <- treatplan %>%
    use_series(scoreFrame) %>%
    select(___, ___, ___))

# We only want the rows with codes "clean" or "lev"
(newvars <- scoreFrame %>%
    filter(code %in% ___) %>%
    use_series(varName))

# Create the treated training data
(dframe.treat <- ___(___, ___, varRestriction = newvars))

編輯並執行程式碼