Důležitost proměnných

Feature Engineering v R

Jorge Zazueta

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

Přidání dalších prediktorů

Komplexnější model zahrnuje více proměnných.

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))

S lepšími výsledky.

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

Které proměnné jsou nejdůležitější?

Funkce z balíčku vip() umožňuje zobrazit proměnné seřazené podle důležitosti.

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

Graf důležitosti proměnných

Sloupcový graf důležitosti proměnných.

Důležitost proměnných a feature engineering

Důležitost proměnných může být účinným nástrojem zpětné vazby pro zpřesňování feature engineeringu na základě odborných znalostí.

Workflow propojující důležitost proměnných a feature engineering.

Pojďme si procvičit!

Feature Engineering v R