Vorhersagen eines einzelnen Modells
Um die Performance eines Klassifikationsmodells zu berechnen, musst du die tatsächlichen Werte von Attrition mit den vom Modell vorhergesagten Werten vergleichen.
Bei der Berechnung von Metriken für binäre Klassifikationsaufgaben (z. B. Precision und Recall) müssen die tatsächlichen und vorhergesagten Vektoren in binäre Werte umgewandelt werden.
In dieser Übung lernst du, wie du diese Vektoren vorbereitest – am Beispiel des Modells und der Validierungs-Data-Frames aus dem ersten Cross-Validation-Fold.
Diese Übung ist Teil des Kurses
Machine Learning im Tidyverse
Anleitung zur Übung
- Extrahiere das
modelund denvalidate-Data-Frame aus dem ersten Fold der Cross-Validation. - Extrahiere die Spalte
Attritionaus demvalidate-Data-Frame und wandle die Werte in binär (TRUE/FALSE) um. - Verwende
model, um die Wahrscheinlichkeiten für Attrition für denvalidate-Data-Frame vorherzusagen. - Wandle die vorhergesagten Wahrscheinlichkeiten in einen binären Vektor um; nimm an, dass alle Wahrscheinlichkeiten größer als
0.5TRUE sind.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___