R Language
wstawka korektorska
Szukaj…
Wprowadzenie
caret to pakiet R, który pomaga w przetwarzaniu danych potrzebnych w przypadku problemów z uczeniem maszynowym. Oznacza klasyfikację i trening regresji. Podczas budowania modeli dla prawdziwego zestawu danych należy wykonać pewne zadania inne niż algorytm uczenia się, takie jak czyszczenie danych, radzenie sobie z niepełnymi obserwacjami, sprawdzanie poprawności naszego modelu na zestawie testowym i porównywanie różnych modeli.
caret pomaga w tych scenariuszach, niezależnie od faktycznie używanych algorytmów uczenia się.
Przetwarzanie wstępne
Przetwarzanie wstępne w preProcess() odbywa się za pomocą funkcji preProcess() . Biorąc pod uwagę obiekt typu macierz lub ramka danych x , preProcess() stosuje przekształcenia danych szkoleniowych, które można następnie zastosować do danych testowych.
Sercem funkcji preProcess() jest argument method . Operacje metod są stosowane w następującej kolejności:
- Filtr zerowej wariancji
- Filtr wariancji prawie zerowej
- Transformacja Boxa-Coxa / Yeo-Johnsona / wykładnicza
- Krążyna
- skalowanie
- Zasięg
- Przypisanie
- PCA
- ICA
- Znak przestrzenny
Poniżej bierzemy zestaw danych mtcars i wykonujemy centrowanie, skalowanie i transformację znaku przestrzennego.
auto_index <- createDataPartition(mtcars$mpg, p = .8,
list = FALSE,
times = 1)
mt_train <- mtcars[auto_index,]
mt_test <- mtcars[-auto_index,]
process_mtcars <- preProcess(mt_train, method = c("center","scale","spatialSign"))
mtcars_train_transf <- predict(process_mtcars, mt_train)
mtcars_test_tranf <- predict(process_mtcars,mt_test)
