Yeo-Johnson 变换
使用 attrition_num 数据集（包含所有已离职员工的数值型数据），您希望构建一个模型来预测员工是否可能留下，目标变量是二元的 Attrition，并被编码为 factor。为使各特征更接近正态分布，您将创建一个配方（recipe），实现 Yeo-Johnson 变换。
已为您加载 attrition_num 数据、逻辑回归模型 lr_model、用户自定义函数 class-evaluate()，以及 train 与 test 切分。
本练习是课程的一部分
R 中的特征工程
练习说明
- 创建一个配方，使用 Yeo-Johnson 对所有数值型特征进行变换，包括目标变量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)