小示例上的 vtreat
在本练习中，您将使用 vtreat 在一个小示例上对分类变量进行独热编码（one-hot encoding）。
vtreat 会创建一个「处理方案」（treatment plan），用于将分类变量转换为指示变量（编码为 "lev"），并清洗数值变量中的异常值（编码为 "clean"）。
要设计处理方案，请使用函数 designTreatmentsZ()（文档）
treatplan <- designTreatmentsZ(data, varlist)
data：原始训练数据框varlist：要处理的输入变量向量（字符串）。
designTreatmentsZ() 返回的列表包含一个元素 scoreFrame：这是一个数据框，记录了新变量的名称和类型：
scoreFrame <- treatplan %>%
magrittr::use_series(scoreFrame) %>%
select(varName, origName, code)
varName：新处理后变量的名称origName：生成该处理后变量的原始变量名称code：新变量的类型。"clean"：已清洗的数值变量（无 NA 或 NaN）"lev"：源自原始分类变量某一具体取值的指示变量。
（magrittr::use_series()（文档）是在管道中可用的 $ 的别名。）
在本练习中，我们需要 code 为 "clean" 或 "lev" 的 varName：
newvarlist <- scoreFrame %>%
filter(code %in% c("clean", "lev") %>%
magrittr::use_series(varName)
若要将数据集转换为全部为数值且已做独热编码的变量，请使用 prepare()（文档）：
data.treat <- prepare(treatplan, data, varRestrictions = newvarlist)
treatplan：处理方案data：待处理的数据框varRestrictions：在处理后数据中所需的变量
dframe 数据框和 magrittr 包已预先加载。
本练习是课程的一部分
R 中的监督学习：回归
练习说明
- 打印
dframe。我们将假设color和size为输入变量，popularity为要预测的结果变量。 - 创建名为
vars的向量，其中包含输入变量的名称（字符串）。 - 加载
vtreat包。 - 使用
designTreatmentsZ()为vars中的变量创建处理方案，并将其赋值给变量treatplan。 - 从处理方案中获取并查看
scoreFrame，以了解旧变量到新变量的映射关系。- 您只需要列
varName、origName和code。 - 新的指示变量名称是什么？连续变量的名称又是什么？
- 您只需要列
- 创建向量
newvars，其中包含code为clean或lev时对应的varName。打印该向量。 - 使用
prepare()创建新的数据框dframe.treat，它是dframe的独热编码版本（不包含结果列）。- 打印它，并与
dframe对比。
- 打印它，并与
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))