LoslegenKostenlos starten

Einen Workflow erstellen

Mit deinen für die Analyse vorbereiteten Daten deklarierst du ein logistic_model(), um vorherzusagen, ob sie verspätet ankommen oder nicht.

Du weist der Variable flight die Rolle „ID“ zu, um sie als Referenz für Analyse und Debugging zu behalten. Aus der Variable date erstellst du neue Features, um den Einfluss von Feiertagen explizit zu modellieren, und repräsentierst factors als Dummy-Variablen.

Indem du dein Modell und die recipe() mit workflow() zusammen bündelst, stellst du sicher, dass nachfolgende Fits oder Vorhersagen konsistente Feature-Engineering-Schritte umsetzen.

Diese Übung ist Teil des Kurses

<Kurs>Feature Engineering in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Weise flight die Rolle „ID“ zu.
  • Bündle das Modell und die Recipe in ein workflow-Objekt.
  • Passe lr_workflow an die test-Daten an.
  • Mache den angepassten Workflow „tidy“.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

lr_model <- logistic_reg()

# Assign an "ID" role to flight
lr_recipe <- recipe(arrival ~., data = train) %>% update_role(flight, new_role = ___) %>%
  step_holiday(date, holidays = timeDate::listHolidays("US")) %>% step_dummy(all_nominal_predictors())

# Bundle the model and the recipe into a workflow object
lr_workflow <- workflow() %>% add_model(___) %>% add_recipe(___)
lr_workflow

# Fit lr_workflow workflow to the test data  
lr_fit <- lr_workflow %>% ___(data = test)

# Tidy the fitted workflow  
tidy(___)
Code bearbeiten und ausführen