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
<Kurs>Modellierung mit tidymodels in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create data split object
loans_split <- ___(___,
strata = ___)
# Build training data
loans_training <- ___ %>%
___
# Build test data
loans_test <- ___ %>%
___