วิธีการ preprocessing หลายรูปแบบ

Machine Learning ด้วย caret ใน R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

โลกกว้างของ preProcess

ทำได้มากกว่าแค่ median หรือ knn imputation!
เชื่อมต่อหลายขั้นตอน preprocessing เข้าด้วยกันได้
"สูตร" ทั่วไปสำหรับ linear models (ลำดับสำคัญ!)
- Median imputation ⇒ center ⇒ scale ⇒ fit glm
ดูรายละเอียดเพิ่มเติมได้ที่ ?preProcess

ตัวอย่าง: preprocessing mtcars

# Generate some data with missing values
data(mtcars)
set.seed(42)
mtcars[sample(1:nrow(mtcars), 10), "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[,2:4] # <- Missing at random

# Use linear model "recipe"
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute")
)
print(min(model$results$RMSE))

3.612713

ตัวอย่าง: preprocessing mtcars

# PCA before modeling
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "pca")
)
min(model$results$RMSE)

3.402557

ตัวอย่าง: preprocessing mtcars

# Spatial sign transform
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "spatialSign")
)
min(model$results$RMSE)

4.284904

สรุป preprocessing

เริ่มต้นด้วย median imputation
ลอง KNN imputation หากข้อมูลไม่ได้หายไปแบบสุ่ม
สำหรับ linear models ...
- Center และ scale
- ลอง PCA และ spatial sign
โมเดลแบบ tree-based ไม่จำเป็นต้อง preprocess มากนัก

มาฝึกกันเถอะ!

Machine Learning ด้วย caret ใน R