caret包使用

exercise:caret包使用:

library(caret)
data<-read.csv("npc1.csv")  #读取数据
str(data)
data_raw<-data[,-1]         #剔除obs编号列
library(tidyverse)
data_use<-data_raw %>% mutate(series = lose_rate > 0.4) %>%  #将大于0.4分为serious
     select(-lose_rate) #删除原来的lose_rate
    
head(data_use)

#visualize and select features by estimating their importance

dummies_model<-dummyVars(target~.,data=data) #对类别变量独热编码
data_mat<-predict(dummies_model,newdata = data)
data_frame<-data.frame(data_mat)   #构建新的数据框

missingdata_model<-preProcess(data_use,method='knnImpute') #补齐缺失值

library(RANN) #KNN补齐算法需要的函数包
impute_missingdata<-predict(missingdata_model,newdata =data)
anyNA(data)

preProcess_sc_nzv_corr_model<-preProcess(data,method='scale',"nzv","corr")
 #数据归一化、删除近零方差和共线性变量
transfrom_data<-predict(preProcess_sc_nzvz_corr_model,newdata = data)

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱做饭的电饭煲

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值