UMAP-Reduktion in einem Entscheidungsbaum-Modell
Nachdem du eine UMAP-Reduktion visualisiert hast, setzen wir UMAP nun im Modellaufbau ein. In dieser Übung erstellst du einen Workflow, der UMAP in einem Preprocessing-Recipe auf die Kreditdaten anwendet und anschließend die extrahierten Komponenten nutzt, um ein Entscheidungsbaum-Modell zu bauen. Die train- und test-Sets der Kreditdaten stehen bereit. Die Bibliothek embed wurde bereits geladen.
Diese Übung ist Teil des Kurses
Dimensionsreduktion in R
Anleitung zur Übung
- Erstelle ein Recipe, das eine UMAP-Reduktion auf die Daten anwendet und vier extrahierte Komponenten erzeugt.
- Erstelle ein
decision_tree-Modell für die Klassifikation. - Füge das UMAP-Recipe und das Entscheidungsbaum-Modell zu einem Workflow hinzu.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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