填补缺失值并创建哑变量
在 attrition 数据集检测到缺失值并判断其为完全随机缺失（MCAR）后，您决定使用 K 最近邻（KNN）填补法。在配置特征工程的 recipe 时，您计划为所有名义变量创建哑变量，并将 ...1 变量的角色更新为 "ID"，以便将其保留在数据集中作参考，同时不影响模型。
本练习是课程的一部分
R 中的特征工程
练习说明
- 将
...1的角色更新为 "ID"。 - 对所有存在缺失数据的自变量进行插补。
- 为所有名义型自变量创建哑变量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
lr_model <- logistic_reg()
lr_recipe <-
recipe(Attrition ~., data = train) %>%
# Update the role of "...1" to "ID"
___(...1, new_role = "ID" ) %>%
# Impute values to all predictors where data are missing
step_impute_knn(___) %>%
# Create dummy variables for all nominal predictors
___(all_nominal_predictors())
lr_recipe