En este ejercicio, usarás la función last_fit() para entrenar un modelo de regresión logística y evaluar su rendimiento en los datos de prueba analizando la curva ROC y el área bajo la curva ROC.

Como en ejercicios anteriores, predecirás canceled_service en los datos telecom_df, pero con una variable predictora adicional para ver si puedes mejorar el rendimiento del modelo.

Los objetos telecom_df (tibble), telecom_split y logistic_model de los ejercicios previos se han cargado en tu espacio de trabajo. El objeto telecom_split contiene las instrucciones para dividir aleatoriamente el tibble telecom_df en conjuntos de entrenamiento y prueba. El objeto logistic_model es una especificación de parsnip de un modelo de regresión logística.

Automatizar el flujo de trabajo de modelado

Create Your Free Account