Importanța variabilelor

Ingineria caracteristicilor în R

Jorge Zazueta

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

Adăugarea mai multor predictori

Un model mai complet include mai multe variabile.

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))

Cu rezultate mai bune.

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

Care variabile contează cel mai mult?

Putem reprezenta grafic variabilele clasificate după importanță cu ajutorul pachetului vip().

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

Grafic al importanței variabilelor

Diagramă cu bare pentru importanța variabilelor.

Importanța variabilelor și ingineria caracteristicilor

Importanța variabilelor poate fi un mecanism eficient de feedback pentru rafinarea inginerie caracteristicilor pe baza cunoștințelor din domeniu.

Fluxul de lucru pentru importanța variabilelor și ingineria caracteristicilor.

Să exersăm!

Ingineria caracteristicilor în R