Modell fitten, untersuchen und bewerten

Sobald du einen Workflow mit einem Recipe und einem Modell definiert hast, kannst du die Daten an den Workflow fitten. Das geschieht mit dem Trainingsdatensatz. Das trainierte Modell wird anschließend mit dem Testset evaluiert. In diesem Beispiel ist die Zielvariable kategorisch, und du verwendest ein logistisches Regressionsmodell. Daher bewertest du die Testvorhersagen mit dem F-Maß. feature_selection_recipe, lr_model, attrition_wflow, train und test aus der vorherigen Übung stehen dir zur Verfügung.

Die Pakete tidyverse und tidymodels wurden bereits für dich geladen.

Diese Übung ist Teil des Kurses

Dimensionsreduktion in R

Kurs anzeigen

Anleitung zur Übung

Fitte attrition_wflow mit den Trainingsdaten.
Füge die Testvorhersagen zu den Testdaten mit den ursprünglichen Attrition-Werten hinzu.
Verwende f_meas(), um die Modellleistung auf den Testdaten zu bewerten.
Zeige die Parameterschätzungen von attrition_fit an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Fit workflow to train data
attrition_fit <- 
  ___ %>% ___(___ = ___)

# Add the test predictions to the test data
attrition_pred_df <- ___(___, ___) %>% 
  bind_cols(___ %>% select(___))

# Evaluate F score
___(___, ___, ___)

# Display model estimates
___(___)

Code bearbeiten und ausführen