Reduzierten Random Forest erstellen
Jetzt ist es Zeit, ein reduziertes Modell mit train_reduced zu fitten und es mit test_reduced zu evaluieren. rf_spec steht dir zur Verfügung, um das reduzierte Modell zu fitten. Das vollständige Modell hatte einen F1-Wert von 0,948. Wenn du ein reduziertes Modell fitten und bewerten willst, denke daran: Es gibt immer einen Kompromiss zwischen Modellschlichtheit und Modellleistung. Du musst abwägen, ob die Vorteile der Modellreduktion eventuelle Einbußen in der Modellleistung wert sind – falls es welche gibt.
Die Pakete tidyverse, tidymodels und vip wurden für dich geladen.
Diese Übung ist Teil des Kurses
Dimensionsreduktion in R
Anleitung zur Übung
- Verwende
rf_spec, um das reduzierte Random-Forest-Modell zu fitten. - Verbinde die Vorhersagen des reduzierten Modells mit
test_reduced. - Berechne die F1-Metrik für das reduzierte Modell.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Fit a reduced model
rf_reduced_fit <- ___ %>%
___(___, ___ = ___)
# Create test set prediction data frame
predict_reduced_df <- ___ %>%
___(predict = ___(___, ___))
# Calculate F1 performance
___(___, ___, ___)