Evalúa el modelo de árbol de decisión con UMAP

En el ejercicio anterior, creaste un flujo de trabajo para aplicar UMAP y construir un modelo de árbol de decisión. Ahora toca ajustar un modelo usando esos datos de entrenamiento y comparar su rendimiento con el del modelo de árbol de decisión sin reducción. Como la variable objetivo credit_score es categórica, usarás f_meas() para evaluar el rendimiento de los modelos. El modelo sin reducción y sus predicciones sobre el conjunto de prueba están almacenados en dt_fit y predict_df, respectivamente. El flujo de trabajo con UMAP que creaste está en umap_dt_workflow. También tienes disponibles los conjuntos train y test.

Los paquetes tidyverse, tidymodels y embed ya se han cargado por ti.

Este ejercicio forma parte del curso

Reducción de la dimensionalidad en R

Ver curso

Instrucciones del ejercicio

Usa f_meas para evaluar el rendimiento de dt_fit (sin reducción).
Ajusta el modelo reducido con UMAP usando umap_dt_workflow.
Crea el data frame de predicciones sobre el conjunto de prueba para el modelo reducido con UMAP.
Usa f_meas para evaluar el rendimiento de umap_dt_fit (reducido).

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Evaluate the unreduced decision tree model performance
___(___, ___, ___)

# Fit the UMAP decision tree model
umap_dt_fit <- ___ %>% 
  fit(___ = ___)

# Create test set prediction data frame for the UMAP model
predict_umap_df <- ___ %>% 
  ___(predict = ___(___, ___))

# Calculate F1 performance of the UMAP model
___(___, ___, ___)

Editar y ejecutar código