Predittori nominali

Modellazione con tidymodels in R

David Svancer

Data Scientist

Dati nominali

Dati che codificano caratteristiche o gruppi

Nessun ordine significativo

Esempi

Reparto in un'azienda
- Marketing, Finanza, Tecnologia
Lingua madre
- Inglese, Ceco, Spagnolo ...
Tipo di auto
- SUV, berlina, compatta ...

Trasformare predittori nominali

I dati nominali vanno trasformati in numerici per il modeling

One-Hot Encoding

Mappa valori categorici in variabili indicatrici [0/1]
Una variabile indicatrice per ogni valore unico nei dati originali

one_hot_encoding

Trasformare predittori nominali

Dummy Variable Encoding

Esclude un valore dal set originale
- n valori distinti producono ( n - 1 ) variabili indicatrici
Metodo preferito per il modeling
- Default nel pacchetto recipes

dummy_encoding

Dati di lead scoring

Variabili predittive nominali - lead_source e 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

Creare variabili dummy

La funzione step_dummy()

Crea variabili dummy da predittori nominali

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

Selezionare colonne per tipo

Selezione per tipo di colonna con i selettori all_nominal() e all_outcomes()

-all_outcomes() esclude la variabile di outcome nominale, 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

Preprocessare predittori nominali

Motori di modellazione in R

Molti creano automaticamente variabili dummy
- Puoi usare predittori nominali senza preprocessare con step_dummy()
Non è coerente tra tutti i motori
- One-hot vs variabili dummy
- Denominazione delle nuove variabili

Il pacchetto recipes offre un modo standard per preparare predittori nominali al modeling

Alleniamoci!

Modellazione con tidymodels in R