Vytvoř workflow z receptu a modelu

Balíček tidymodels umožňuje kombinovat recepty a modely do workflows. Workflow usnadňuje vytvoření pipeline kroků pro přípravu dat a trénování modelů. Workflow pak lze snadno aplikovat na nová data, aniž bys musel/a znovu definovat všechny kroky předzpracování a tvorby modelu. Výhodou je, že workflow má funkci fit(), která přizpůsobí recept i model datům.

V tomto cvičení si procvičíš vytváření receptu a modelu a jejich přidání do workflow, aby byly připravené k natrénování na datech. K dispozici máš trénovací sadu train a testovací sadu test z dat o zdravotní péči a odchodu zaměstnanců. Cílová proměnná je Attrition.

Balíčky tidyverse a tidymodels jsou již načtené.

Toto cvičení je součástí kurzu

Redukce dimenzionality v R

Zobrazit kurz

Pokyny k cvičení

Definuj recept pomocí dat train s kroky step_filter_missing(), step_scale() a step_nzv() pro odstranění chybějících hodnot, škálování numerických příznaků a odstranění příznaků s nízkou variancí. Pro step_filter_missing() použij práh 0,5.
Definuj model logistické regrese s engine "glm".
Přidej feature_selection_recipe a lr_model do workflow pojmenovaného attrition_wflow.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create recipe
feature_selection_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___(), threshold = 0.5) %>% 
  ___(___()) %>% 
  ___(___()) %>% 
  prep()
  
# Create model
lr_model <- ___() %>% 
  ___("___")

# Add recipe and model to a workflow
attrition_wflow <- ___() %>% 
  ___(___) %>% 
  ___(___)

Upravit a spustit kód