CommencezCommencez gratuitement

Créer un workflow

Vos données étant prêtes pour l'analyse, vous allez déclarer un logistic_model() pour prédire s'ils arriveront en retard ou non.

Vous attribuerez le rôle « ID » à la variable flight pour la garder comme référence lors de l'analyse et du débogage. À partir de la variable date, vous créerez de nouvelles caractéristiques pour modéliser explicitement l'effet des jours fériés et représenter les factors sous forme de variables fictives (dummy).

Regrouper votre model et votre recipe() avec workflow() vous aidera à garantir que les ajustements et prédictions ultérieurs appliqueront des étapes de feature engineering cohérentes.

Cette activité fait partie du cours

Ingénierie des caractéristiques en R

Voir le cours

Instructions de l’exercice

  • Attribuez un rôle « ID » à flight.
  • Regroupez le modèle et la recette dans un objet workflow.
  • Ajustez lr_workflow aux données test.
  • Nettoyez (tidy) le workflow ajusté.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

lr_model <- logistic_reg()

# Assign an "ID" role to flight
lr_recipe <- recipe(arrival ~., data = train) %>% update_role(flight, new_role = ___) %>%
  step_holiday(date, holidays = timeDate::listHolidays("US")) %>% step_dummy(all_nominal_predictors())

# Bundle the model and the recipe into a workflow object
lr_workflow <- workflow() %>% add_model(___) %>% add_recipe(___)
lr_workflow

# Fit lr_workflow workflow to the test data  
lr_fit <- lr_workflow %>% ___(data = test)

# Tidy the fitted workflow  
tidy(___)
Modifier et exécuter le code