Transformações comuns de variáveis

Feature Engineering em R

Jorge Zazueta

Research Professor and Head of the Modeling Group at the School of Economics, UASLP

Duas famílias de transformações

Box-Cox

Usada para aproximar uma variável não normal de normal
Como família, inclui inversa, log, raízes quadrada e cúbica como casos especiais
Funciona apenas com valores estritamente positivos

Equação da transformação Box-Cox.

Yeo-Johnson

Propriedades semelhantes às de Box-Cox
Lida com valores zero e negativos
Para $y$ positivo, é igual a Box-Cox de $y+1$

Equação da transformação Yeo-Johnson.

O conjunto de dados loans_num

glimpse(loans_num)

Rows: 480
Columns: 6
$ Loan_Status       <fct> N, Y, Y, Y, Y, Y, N, Y, N, Y, Y, N, Y, Y, N...
$ ApplicantIncome   <dbl> 4583, 3000, 2583, 6000, 5417, 2333, 3036, 4...
$ CoapplicantIncome <dbl> 1508, 0, 2358, 0, 4196, 1516, 2504, 1526, 1...
$ LoanAmount        <dbl> 128, 66, 120, 141, 267, 95, 158, 168, 349, ...
$ Loan_Amount_Term  <dbl> 360, 360, 360, 360, 360, 360, 360, 360, 360...
$ Credit_History    <fct> 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0...

Aplicando transformações

Receita simples

lr_recipe_plain <- # Definir a receita
  recipe(Loan_Status ~., data = train)
lr_workflow_plain <- # Agrupar em workflow
  workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_plain)
lr_fit_plain <- # ajustar e aumentar
  lr_workflow_plain %>%
  fit(train)

Avaliar desempenho

lr_aug_plain %>% # Avaliar
  class_evaluate(truth = Loan_Status,
                 estimate = .pred_class,
                 .pred_N)

# A tibble: 2 × 3
  .metric  .estimator .estimate
  <chr>    <chr>          <dbl>
1 accuracy binary         0.817
2 roc_auc  binary         0.641

Aplicando transformações

Receita Box-Cox

lr_recipe_BC <- # Definir a receita
  recipe(Loan_Status ~., data = train) %>%
  step_BoxCox(all_numeric())
lr_workflow_BC <- # Agrupar em workflow
  workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_BC)
lr_fit_BC <- # ajustar e aumentar
  lr_workflow_BC %>%
  fit(train)

Mensagem de aviso

Box-Cox não consegue processar valores não positivos

Warning messages:
1: Non-positive values in selected
variable. 
2: No Box-Cox transformation could be 
estimated for: `CoapplicantIncome`

Aplicando transformações

Receita Box-Cox (2ª tentativa)

Agora, vamos desmarcar CoappliantIncome para evitar o aviso.

lr_recipe_BC <- # Definir a receita
  recipe(Loan_Status ~., data = train) %>%
  step_BoxCox(all_numeric(), 
              -CoapplicantIncome)
lr_workflow_BC <- # Agrupar em workflow
  workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_BC)
lr_fit_BC <- # ajustar e aumentar
  lr_workflow_BC %>%
  fit(train)

Avaliar desempenho

lr_aug_BC %>% # Avaliar
  class_evaluate(truth = Loan_Status,
                 estimate = .pred_class,
                 .pred_N)

# A tibble: 2 × 3
  .metric  .estimator .estimate
  <chr>    <chr>          <dbl>
1 accuracy binary         0.817
2 roc_auc  binary         0.599

Aplicando transformações

Receita Yeo-Johnson

lr_recipe_YJ <- # Definir a receita
  recipe(Loan_Status ~., data = train) %>%
  step_YeoJohnson(all_numeric())
lr_workflow_YJ <- # Agrupar em workflow
  workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_YJ)
lr_fit_YJ <- # ajustar e aumentar
  lr_workflow_YJ %>%
  fit(train)

Avaliar desempenho

lr_aug_YJ %>% # Avaliar
  class_evaluate(truth = Loan_Status,
                 estimate = .pred_class,
                 .pred_N)

# A tibble: 2 × 3
  .metric  .estimator .estimate
  <chr>    <chr>          <dbl>
1 accuracy binary         0.817
2 roc_auc  binary         0.700

Vamos praticar!

Feature Engineering em R