LoslegenKostenlos starten

Trainiere das Modell

Eine Modellspezifikation ist ein guter Anfang – so wie die Leinwand für eine Malerin oder einen Maler. Aber wie die Farbe auf der Leinwand braucht auch die Spezifikation Daten. Erst das fertige Modell kann Vorhersagen treffen:

Modellspezifikation + Daten = Modell

In dieser Übung trainierst du einen Entscheidungsbaum, der das Diabetesrisiko mit Gesundheitsvariablen als Prädiktoren modelliert. Die Zielvariable outcome gibt an, ob die Patientin oder der Patient Diabetes hat oder nicht. Das ist also ein binäres Klassifikationsproblem (es gibt nur zwei Klassen). Der Datensatz enthält außerdem Gesundheitsvariablen wie blood_pressure, age und bmi.

Für den Rest des Kurses ist das Paket tidymodels bereits vorab geladen. In dieser Übung steht dir der Datensatz diabetes in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle tree_spec, eine Spezifikation für einen Entscheidungsbaum mit der Engine rpart.
  • Trainiere ein Modell tree_model_bmi, bei dem outcome nur vom Prädiktor bmi abhängt, indem du den Datensatz diabetes auf die Spezifikation fittest.
  • Gib das Modell in der Konsole aus.

Interaktive praktische Übung

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

# Create the specification
tree_spec <- ___() %>% 
  ___("rpart") %>% 
  ___

# Train the model
tree_model_bmi <- tree_spec %>% 
  ___

# Print the model
___
Code bearbeiten und ausführen