Predyktory nominalne

Modelowanie z tidymodels w R

David Svancer

Data Scientist

Dane nominalne

Dane kodujące cechy lub grupy

  • Bez znaczącej kolejności

Przykłady

  • Dział w firmie

    • Marketing, Finanse, Technologia

  • Język ojczysty

    • Angielski, czeski, hiszpański ...

  • Typ samochodu

    • SUV, sedan, kompakt ...
Modelowanie z tidymodels w R

Przekształcanie predyktorów nominalnych

Dane nominalne muszą zostać przekształcone w dane numeryczne przed modelowaniem

Kodowanie One-Hot

  • Mapuje wartości kategoryczne na ciąg zmiennych wskaźnikowych [0/1]
  • Jedna zmienna wskaźnikowa dla każdej unikalnej wartości w danych

 

Kodowanie one-hot

Modelowanie z tidymodels w R

Przekształcanie predyktorów nominalnych

Kodowanie zmiennych dummy

  • Wyklucza jedną wartość z oryginalnego zbioru danych
    • n różnych wartości daje ( n - 1 ) zmiennych wskaźnikowych
  • Preferowana metoda w modelowaniu
    • Domyślna w pakiecie recipes

 

Kodowanie dummy

Modelowanie z tidymodels w R

Dane do scoringu leadów

Nominalne zmienne predykcyjne - lead_source i 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
Modelowanie z tidymodels w R

Tworzenie zmiennych dummy

Funkcja step_dummy()

  • Tworzy zmienne dummy z nominalnych zmiennych predykcyjnych
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
Modelowanie z tidymodels w R

Wybór kolumn według typu

Wybór kolumn według typu przy użyciu selektorów all_nominal() i all_outcomes()

  • -all_outcomes() wyklucza nominalną zmienną wynikową 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
Modelowanie z tidymodels w R

Przetwarzanie nominalnych zmiennych predykcyjnych

Silniki modelowania w R

  • Wiele z nich automatycznie tworzy zmienne dummy
    • Możliwe użycie predyktorów nominalnych bez przetwarzania przez step_dummy()
  • Brak spójności między silnikami
    • One-hot vs zmienne dummy
    • Nazewnictwo nowych zmiennych

 

Pakiet recipes zapewnia ustandaryzowany sposób przygotowania predyktorów nominalnych do modelowania

Modelowanie z tidymodels w R

Czas na ćwiczenia!

Modelowanie z tidymodels w R

Preparing Video For Download...