Pentingnya Variabel

Rekayasa Fitur di R

Jorge Zazueta

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

Menambahkan lebih banyak prediktor

Model yang lebih lengkap mencakup banyak variabel.

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))

Dengan hasil yang lebih menarik.

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

Variabel mana yang paling berpengaruh?

Kita dapat memplot fitur berdasarkan peringkat kepentingannya dengan bantuan paket vip().

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

Bagan pentingnya variabel

Bagan batang pentingnya variabel.

Pentingnya variabel dan rekayasa fitur

Pentingnya variabel dapat menjadi umpan balik yang kuat untuk menyempurnakan rekayasa fitur berdasarkan pengetahuan domain.

Alur kerja pentingnya variabel dan rekayasa fitur.

Ayo berlatih!

Rekayasa Fitur di R