Kompletter Modellierungs-Workflow
In dieser Übung verwendest du die Funktion last_fit(), um ein logistisches Regressionsmodell zu trainieren und seine Leistung auf den Testdaten anhand der ROC-Kurve sowie der Fläche unter der ROC-Kurve zu bewerten.
Ähnlich wie in den vorherigen Übungen sagst du canceled_service in den telecom_df-Daten voraus – diesmal mit einer zusätzlichen Prädiktorvariable, um zu prüfen, ob sich die Modellleistung verbessern lässt.
Die Objekte telecom_df-Tibble, telecom_split und logistic_model aus den vorherigen Übungen wurden in deinen Arbeitsbereich geladen. Das Objekt telecom_split enthält die Anweisungen, um das telecom_df-Tibble zufällig in Trainings- und Testsätze zu teilen. Das Objekt logistic_model ist eine parsnip-Spezifikation eines logistischen Regressionsmodells.
Diese Übung ist Teil des Kurses
Modellierung mit tidymodels in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Train a logistic regression model
logistic_fit <- ___ %>%
last_fit(___,
split = ___)