Kategorik Değişkenleri One-Hot Encoding

R'de Supervised Learning: Regresyon

Nina Zumel and John Mount

Win-Vector, LLC

Neden Kategorikleri Elle Dönüştüresin?

Çoğu R fonksiyonu dönüşümü senin için yapar
- model.matrix()
xgboost() yapmaz
- Kategorikleri sayısala çevirmelisin
Göstergelere dönüştürme: one-hot encoding

`vtreat` ile one-hot encoding ve veri temizleme

Temel fikir:

Eğitim verisinden bir tedavi planı tasarlamak için designTreatmentsZ(), sonra
"temiz" veri oluşturmak için prepare()
- hepsi sayısal
- eksik değer yok
  - Tüm gelecekteki veriler için tedavi planıyla prepare() kullan

Küçük bir vtreat örneği

Eğitim Verisi

x	u	y
one	44	0.4855671
two	24	1.3683726
three	66	2.0352837
two	22	1.6396267

Test Verisi

x	u	y
one	5	2.6488148
three	12	1.5012938
one	56	0.1993731
two	28	1.2778516

Tedavi Planını Oluştur

vars <- c("x", "u")
treatplan <- designTreatmentsZ(dframe, varslist, verbose = FALSE)

designTreatmentsZ() için girdiler

dframe: eğitim verisi
varlist: giriş değişken adlarının listesi
ilerleme iletilerini bastırmak için verbose = FALSE ayarla

Yeni Değişkenleri Al

scoreFrame değişken eşlemesini ve türleri açıklar

(scoreFrame <- treatplan$scoreFrame %>% 
     select(varName, origName, code))

        varName origName  code
1   x_lev_x.one        x   lev
2 x_lev_x.three        x   lev
3   x_lev_x.two        x   lev
4        x_catP        x  catP
5       u_clean        u clean

Yeni lev ve clean değişkenlerinin adlarını al

(newvars <- scoreFrame %>% 
     filter(code %in% c("clean", "lev")) %>%
     use_series(varName))

"x_lev_x.one"   "x_lev_x.three" "x_lev_x.two"   "u_clean"

Modelleme için Eğitim Verisini Hazırla

training.treat <- prepare(treatmentplan, dframe, varRestriction = newvars)

prepare() için girdiler:

treatmentplan: tedavi planı
dframe: veri çerçevesi
varRestriction: hazırlanacak değişkenlerin listesi (isteğe bağlı)
- varsayılan: tüm değişkenleri hazırla

Veri İşleme Öncesi ve Sonrası

Eğitim Verisi

x	u	y
one	44	0.4855671
two	24	1.3683726
three	66	2.0352837
two	22	1.6396267

İşlenmiş Eğitim Verisi

x_lev _x. one	x_lev _x. three	x_lev _x. two	u_clean
1	0	0	44
0	0	1	24
0	1	0	66
0	0	1	22

Modeli Uygulamadan Önce Test Verisini Hazırla

(test.treat <- prepare(treatplan, test, varRestriction = newvars))

  x_lev_x.one x_lev_x.three x_lev_x.two u_clean
1           1             0           0       5
2           0             1           0      12
3           1             0           0      56
4           0             0           1      28

vtreat İşlemi Dayanıklıdır

Daha önce görülmemiş x düzeyi: four

x	u	y
one	4	0.2331301
two	14	1.9331760
three	66	3.1251029
four	25	4.0332491

four şu şekilde kodlanır: (0, 0, 0)

prepare(treatplan, toomany, ...)

x_lev _x. one	x_lev _x. three	x_lev _x. two	u_clean
1	0	0	4
0	0	1	14
0	1	0	66
0	0	0	25

Hadi pratik yapalım!

R'de Supervised Learning: Regresyon