名義予測子
R での tidymodels によるモデリング
David Svancer
Data Scientist
名義データ
特性やグループを表すデータ
- 有意な順序はありません
例
会社の部門
- マーケティング、財務、技術
- マーケティング、財務、技術
母語
- 英語、チェコ語、スペイン語 など
- 英語、チェコ語、スペイン語 など
車種
- SUV、セダン、コンパクト など
名義予測子の変換
モデリングのために名義データは数値に変換する必要があります ワンホットエンコーディング
- カテゴリ値を [0/1] の指示変数に写像
- 元データの各一意値に指示変数を作成
名義予測子の変換
ダミー変数エンコーディング
- 元の値集合から「1つ」を除外
- 区別できる値が n 個なら ( n - 1 ) 個の指示変数
- モデリングで推奨
recipesパッケージのデフォルト
リードスコアリングデータ
名義予測変数 - lead_source と 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
ダミー変数の作成
step_dummy() 関数
- 名義予測変数からダミー変数を作成
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
型で列を選ぶ
all_nominal() と all_outcomes() による列型選択
-all_outcomes()は名義の目的変数purchasedを除外します
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
名義予測変数の前処理
R のモデリングエンジン
- 多くはダミー変数を自動生成します
step_dummy()なしで名義予測子を使用可能
- ただしエンジン間で一貫しません
- ワンホット vs ダミー変数
- 生成変数の命名
recipes パッケージは名義予測子の前処理を標準化します
Ayo berlatih!
R での tidymodels によるモデリング
