Variabelebelang

Feature engineering in R

Jorge Zazueta

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

Meer voorspellers toevoegen

Een completer model bevat meer variabelen.

lr_model <- logistic_reg()
lr_recipe <- 
  recipe(class~ sponsor_code +
         contract_value_band +
         category_code, 
         data = grants_train) %>%
  step_lencode_glm(sponsor_code,
                   contract_value_band,
                   category_code, 
                   outcome = vars(class))

Met overtuigendere resultaten.

lr_aug %>% class_evaluate(truth = class,
               estimate = .pred_class,
               .pred_successful)

# A tibble: 2 × 3
  .metric  .estimator .estimate
  <chr>    <chr>          <dbl>
1 accuracy binary         0.890
2 roc_auc  binary         0.951

Welke variabelen tellen het meest?

We kunnen features op belangrijkheid rangschikken en plotten met het pakket vip().

lr_fit %>%
  extract_fit_parsnip() %>%
  vip(aesthetics = 
      list(fill = "steelblue"))

Grafiek met variabelebelang

Staafdiagram met variabelebelang.

Variabelebelang en feature engineering

Variabelebelang is krachtige feedback om feature engineering te verfijnen met domeinkennis.

Workflow voor variabelebelang en feature engineering.

Laten we oefenen!

Feature engineering in R