Créer un flux de travail recette-modèle

Le paquet tidymodels peut combiner des recettes et des modèles dans des flux de travail. Les flux de travail facilitent la création d'un enchaînement d'étapes pour préparer les données et entraîner des modèles. Ils peuvent ensuite être appliqués facilement à de nouvelles données, sans avoir à redéfinir toutes les étapes de prétraitement et de construction du modèle. Pratique, les flux de travail offrent une fonction fit() qui ajuste à la fois la recette et le modèle aux données.

Dans cet exercice, vous allez vous exercer à créer une recette et un modèle, puis à les ajouter à un flux de travail, afin qu'ils soient prêts à être ajustés aux données. Les ensembles train et test des données d'attrition des employés en matière de soins de santé sont à votre disposition. La variable cible est Attrition.

Les paquets tidyverse et tidymodels ont été chargés pour vous.

Cette activité fait partie du cours

Réduction de dimension en R

Voir le cours

Instructions de l’exercice

Définissez une recette en utilisant les données train avec step_filter_missing(), step_scale() et step_nzv() pour retirer les NA, mettre à l'échelle les variables numériques et supprimer les variables à faible variance, respectivement. Utilisez un seuil de 0.5 pour step_filter_missing().
Définissez un modèle de régression logistique avec le moteur "glm".
Ajoutez feature_selection_recipe et lr_model à un flux de travail nommé attrition_wflow.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create recipe
feature_selection_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___(), threshold = 0.5) %>% 
  ___(___()) %>% 
  ___(___()) %>% 
  prep()
  
# Create model
lr_model <- ___() %>% 
  ___("___")

# Add recipe and model to a workflow
attrition_wflow <- ___() %>% 
  ___(___) %>% 
  ___(___)

Modifier et exécuter le code