Redukce pomocí UMAP v modelu rozhodovacího stromu
Teď, když jsi UMAP redukci vizualizoval/a, pojďme ji využít při budování modelu. V tomto cvičení vytvoříš workflow, které aplikuje UMAP v předzpracovacím receptu na kreditní data, a pak použiješ extrahované komponenty k sestavení modelu rozhodovacího stromu. Trénovací a testovací sada kreditních dat train a test jsou připraveny. Knihovna embed je už načtená.
Toto cvičení je součástí kurzu
Redukce dimenzionality v R
Pokyny k cvičení
- Vytvoř recept, který aplikuje UMAP redukci na data a výsledkem budou čtyři extrahované komponenty.
- Vytvoř model
decision_treepro klasifikaci. - Přidej UMAP recept a model rozhodovacího stromu do workflow.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create a recipe to apply UMAP feature extraction
umap_recipe <- recipe(___ ~ ___, data = ___) %>%
___(___()) %>%
___(___(), outcome = vars(___), num_comp = ___)
# Specify a decision tree model
umap_dt_model <- ___(___ = "___")
# Add the recipe and model to a workflow
umap_dt_workflow <- ___() %>%
add_recipe(___) %>%
add_model(___)
umap_dt_workflow