Personaliza la evaluación de tu modelo

Crear funciones de evaluación personalizadas es muy práctico cuando iteras sobre distintos modelos. La función metric_set() del paquete yardstick puede ayudarte a conseguirlo.

Define una función que devuelva roc_auc, accuracy, sens (sensibilidad) y spec (especificidad) y úsala para evaluar tu modelo.

El data frame aumentado lr_aug ya está cargado y listo para usarse.

Este ejercicio forma parte del curso

Ingeniería de características en R

Ver curso

Instrucciones del ejercicio

Define una función de evaluación personalizada que devuelva roc_auc, accuracy, sens y spec.
Evalúa tu modelo usando tu nueva función sobre lr_aug para obtener las métricas que acabas de elegir.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Define a custom assessment function 
class_evaluate <- ___(___, ___, sens, ___)

# Assess your model using your new function
___(___, truth = Attrition,
               estimate = .pred_class,
               .pred_No)

Editar y ejecutar código

Ingeniería de características en R

IntermedioNivel de habilidad

4.8+

109 reviews

Cerrarás el curso con técnicas de ingeniería de características y de Machine Learning. Empezarás centrándote en los problemas asociados a usar todas las características disponibles en un modelo y en la importancia de identificar características irrelevantes y redundantes, y aprenderás a eliminarlas mediante métodos integrados como lasso y elastic-net. Después, explorarás métodos de contracción como lasso, ridge y elastic-net, que pueden usarse para regularizar los pesos de las características o seleccionar características estableciendo coeficientes en cero. Para terminar, te centrarás en crear un flujo de trabajo de ingeniería de características de extremo a extremo y en repasar y practicar los conceptos y funciones aprendidos en un pequeño proyecto.

Exercise 1: Reducir las características del modelo Exercise 2: Filtrar la importancia de variables Exercise 3: Evaluar el rendimiento del modelo usando todos los predictores disponibles Exercise 4: Crear un modelo reducido Exercise 5: Métodos de contracción Exercise 6: Regularización manual con Lasso Exercise 7: Ajustar el parámetro penalty Exercise 8: Finalizar el modelo Exercise 9: Juntándolo todo Exercise 10: Preparar y dividir Exercise 11: Preprocesar Exercise 12: Modelo Exercise 13: Evaluar Exercise 14: ¡Enhorabuena!