Birden çok ön işleme yöntemi

R ile caret kullanarak Machine Learning

Zach Mayer

Data Scientist at DataRobot and co-author of caret

preProcess dünyası

Medyan veya knn imputasyonundan çok daha fazlası var!
Birden çok ön işleme adımı zincirlenebilir
Doğrusal modeller için yaygın “tarif” (sıra önemlidir!)
- Medyan imputasyonu ⇒ merkezleme ⇒ ölçekleme ⇒ glm eğitimi
Daha fazla bilgi için ?preProcess

Örnek: mtcars ön işleme

# Eksik değerli veri üret
data(mtcars)
set.seed(42)
mtcars[sample(1:nrow(mtcars), 10), "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[,2:4] # <- Rasgele eksik

# Doğrusal model “tarifi”ni kullan
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute")
)
print(min(model$results$RMSE))

3.612713

Örnek: mtcars ön işleme

# Modellemeden önce PCA
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "pca")
)
min(model$results$RMSE)

3.402557

Örnek: mtcars ön işleme

# Uzaysal işaret dönüşümü
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "spatialSign")
)
min(model$results$RMSE)

4.284904

Ön işleme kısa rehberi

Medyan imputasyonuyla başlayın
Veri rastgele eksik değilse KNN imputasyonu deneyin
Doğrusal modeller için...
- Merkezleyin ve ölçekleyin
- PCA ve uzaysal işareti deneyin
Ağaç tabanlı modeller çok az ön işleme ister

Hadi pratik yapalım!

R ile caret kullanarak Machine Learning