Ein logistisches Regressionsmodell fitten
Zusätzlich zu Regressionsmodellen bietet das Paket parsnip auch eine allgemeine Schnittstelle für Klassifikationsmodelle in R.
In dieser Übung definierst du ein parsnip-Objekt für logistische Regression und trainierst dein Modell, um canceled_service vorherzusagen. Als Prädiktorvariablen verwendest du avg_call_mins, avg_intl_mins und monthly_charges aus den telecom_df-Daten.
Die Tibbles telecom_training und telecom_test, die du in der vorherigen Lektion erstellt hast, wurden in diese Session geladen.
Diese Übung ist Teil des Kurses
<Kurs>Modellierung mit tidymodels in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Specify a logistic regression model
logistic_model <- ___ %>%
# Set the engine
___ %>%
# Set the mode
___
# Print the model specification
logistic_model