वैरिएबल इंपोर्टेंस

R में Feature Engineering

Jorge Zazueta

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

और प्रेडिक्टर्स जोड़ना

एक अधिक पूर्ण मॉडल में कई वैरिएबल होते हैं.

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))

और नतीजे अधिक उपयोगी होते हैं.

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

कौन से वैरिएबल सबसे अधिक मायने रखते हैं?

हम vip() पैकेज की मदद से इंपोर्टेंस के आधार पर रैंक किए गए फीचर प्लॉट कर सकते हैं.

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

वैरिएबल इंपोर्टेंस चार्ट

वैरिएबल इंपोर्टेंस बार चार्ट.

वैरिएबल इंपोर्टेंस और फीचर इंजीनियरिंग

डोमेन नॉलेज के आधार पर फीचर इंजीनियरिंग सुधारने के लिए वैरिएबल इंपोर्टेंस एक शक्तिशाली फीडबैक मैकेनिज़्म हो सकता है.

वैरिएबल इंपोर्टेंस और फीचर इंजीनियरिंग वर्कफ़्लो.

अभ्यास करते हैं!

R में Feature Engineering