保留缺失数据

在某些情况下，输入是否缺失本身就是重要信息。使用粗分类时，可以将 NA 单独放入一个 "missing" 类别中。

粗分类可以帮助您简化数据，并提升模型的可解释性。粗分类要求将取值划分为若干区间组。您可以用这种分箱技术把所有 NA 放到它们自己的分箱中。

在视频中，我们以工作年限为例说明了粗分类的思路。该示例的代码已在右侧 R 脚本中复现，您可以据此改写，对 int_rate 变量进行粗分类。

根据提供的代码对 int_rate 进行粗分类，并将结果保存为名为 ir_cat 的新变量。
- 首先，将 R 脚本中出现的 loan_data$emp_cat 全部替换为 loan_data$ir_cat，并将 loan_data$emp_length 全部替换为 loan_data$int_rate。
- 接着，将变量分箱为 "0-8"、"8-11"、"11-13.5" 和 "13.5+"（用它们替换原先的 "0-15"、"15-30"、"30-45" 和 "45+"）。> 与 <= 的用法与视频中完全一致。请确保条件判断中的数值也一并修改（15、30、45 分别改为 8、11、13.5）。
使用 plot(loan_data$ir_cat) 查看新变量 ir_cat。