Den Loans-Datensatz erkunden

Das Paket workflows ermöglicht es, parsnip-Modelle und recipe-Objekte zu einem einzigen workflow-Objekt zu bündeln. Dadurch lässt sich ein Machine-Learning-Projekt viel einfacher verwalten und du musst nicht mehrere Modellobjekte separat im Blick behalten.

In dieser Übung arbeitest du mit dem Datensatz loans_df, der Finanzinformationen zu Konsumentenkrediten einer Bank enthält. Die Zielvariable in diesen Daten ist loan_default.

Du erstellst ein Entscheidungsbaum-Modellobjekt und gibst eine Feature-Engineering-Pipeline für die Kreditdaten an. Die Tibble loans_df wurde in deine Session geladen.

Diese Übung ist Teil des Kurses

Modellierung mit tidymodels in R

Kurs anzeigen

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create data split object
loans_split <- ___(___, 
                   strata = ___)

# Build training data
loans_training <- ___ %>% 
  ___

# Build test data
loans_test <- ___ %>% 
  ___

Code bearbeiten und ausführen