Sestavení finálního klasifikačního modelu

Při porovnání výkonu podle metriky recall mezi logistickým regresním modelem (0,4) a nejlepším modelem náhodného lesa (0,2) jsi zjistil/a, že logistická regrese podává lepší výsledky. V tomto cvičení sestavíš logistický regresní model na všech trénovacích datech a připravíš potřebné vektory pro vyhodnocení jeho výkonu na testovacích datech.

Toto cvičení je součástí kurzu

Machine Learning in the Tidyverse

Zobrazit kurz

Pokyny k cvičení

Sestav logistický regresní model předpovídající Attrition s využitím všech dostupných příznaků v training_data.
Připrav binární vektor skutečných testovacích hodnot test_actual.
Připrav binární vektor předpovězených hodnot, kde pravděpodobnost větší než 0,5 odpovídá hodnotě TRUE, a ulož ho jako test_predicted.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Build the logistic regression model using all training data
best_model <- glm(formula = ___, 
                  data = ___, family = "binomial")


# Prepare binary vector of actual Attrition values for testing_data
test_actual <- testing_data$___ == "___"

# Prepare binary vector of predicted Attrition values for testing_data
test_predicted <- predict(___, ___, type = "response") > ___

Upravit a spustit kód