Prediktor nominal

Pemodelan dengan tidymodels di R

David Svancer

Data Scientist

Data nominal

Data yang mengkodekan karakteristik atau kelompok

Tanpa urutan bermakna

Contoh

Departemen dalam perusahaan
- Pemasaran, Keuangan, Teknologi
Bahasa ibu
- English, Czech, Spanish ...
Jenis mobil
- SUV, sedan, compact ...

Mengubah prediktor nominal

Data nominal harus diubah menjadi numerik untuk pemodelan

One-Hot Encoding

Memetakan nilai kategori ke deret variabel indikator [0/1]
Variabel indikator untuk setiap nilai unik di data asli

one_hot_encoding

Mengubah prediktor nominal

Dummy Variable Encoding

Mengecualikan satu nilai dari himpunan nilai asli
- Nilai unik n menghasilkan (n - 1) variabel indikator
Metode yang disukai untuk pemodelan
- Default di paket recipes

dummy_encoding

Data penilaian prospek

Variabel prediktor nominal - lead_source dan us_location

leads_training

# A tibble: 996 x 7
 purchased total_visits total_time pages_per_visit total_clicks lead_source   us_location
   <fct>      <dbl>      <dbl>          <dbl>          <dbl>      <fct>          <fct>
 1 yes         7         1148           7              59       direct_traffic    west
 2 no          5         228            2.5            25       email             southeast
 3 no          7         481            2.33           21       organic_search    west
 4 no          4         177            4              37       direct_traffic    west
 5 no          2         1273           2              26       email             midwest
# ... with 991 more rows

Membuat variabel dummy

Fungsi step_dummy()

Membuat variabel dummy dari prediktor nominal

recipe(purchased ~ ., data = leads_training) %>%

  step_dummy(lead_source, us_location) %>%

  prep(training = leads_training) %>%

  bake(new_data = leads_test)

# A tibble: 332 x 12
   total_visits ... lead_source_email  lead_source_organic_search  lead_source_direct_traffic  us_location_southeast ... us_location_west
       <dbl>    ...      <dbl>                 <dbl>                      <dbl>                       <dbl>                     <dbl>
1        8      ...         0                    0                          1                          0                        1
2        4      ...         0                    0                          1                          0                        0
3        3      ...         0                    1                          0                          0                        1
4        2      ...         1                    0                          0                          0                        0
5        9      ...         0                    0                          1                          0                        1

# ... with 327 more rows

Memilih kolom berdasarkan tipe

Memilih berdasarkan tipe kolom menggunakan selektor all_nominal() dan all_outcomes()

-all_outcomes() mengecualikan variabel hasil nominal, purchased

recipe(purchased ~ ., data = leads_training) %>%

  step_dummy(all_nominal(), -all_outcomes()) %>%

  prep(training = leads_training) %>%

  bake(new_data = leads_test)

# A tibble: 332 x 12
   total_visits ... lead_source_email  lead_source_organic_search  lead_source_direct_traffic ... us_location_west
       <dbl>    ...      <dbl>                 <dbl>                      <dbl>                           <dbl>
1        8      ...         0                    0                          1                                 1
2        4      ...         0                    0                          1                                 0
3        3      ...         0                    1                          0                                 1
4        2      ...         1                    0                          0                                 0
5        9      ...         0                    0                          1                                 1
# ... with 327 more rows

Prapemrosesan prediktor nominal

Mesin pemodelan di R

Banyak yang membuat variabel dummy otomatis
- Dapat memakai prediktor nominal tanpa prapemrosesan step_dummy()
Tidak konsisten di semua mesin
- One-hot vs variabel dummy
- Penamaan variabel baru

Paket recipes memberi cara standar menyiapkan prediktor nominal untuk pemodelan

Ayo berlatih!

Pemodelan dengan tidymodels di R