Začněte nyníZačněte zdarma

Prozkoumání důležitosti proměnných

Dataset attrition obsahuje 839 pozorování a 30 prediktorů pro proměnnou "Attrition." Chceme prozkoumat, jak se liší výkon modelu, který využívá všechny dostupné prediktory, oproti modelu omezenému na několik informativních proměnných.

V tomto cvičení natrénuješ model a podíváš se na důležitost proměnných v tomto natrénovaném modelu. V následujícím cvičení pak porovnáš výkon tohoto modelu s výkonem redukovaného modelu.

V prostředí máš k dispozici rozdělení dat na train a test, balíček vip() a předpřipravený model logistické regrese model.

Toto cvičení je součástí kurzu

Feature Engineering v R

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř recept, který modeluje Attrition pomocí všech prediktorů.
  • Natrénuj workflow na trénovacích datech.
  • Pomocí objektu fit_full sestav graf důležitosti proměnných modelu.
  • Před vip() použij funkci extract_fit_parsnip(), aby dostala potřebné informace.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
Upravit a spustit kód