Évaluer
Le moment de faire le point est arrivé. Réglez (tunez) votre modèle pour trouver la valeur de pénalité optimale, puis ajustez un modèle final pour évaluer votre travail.
Votre flux de travail (workflow), votre grille de pénalités et la fonction personnalisée class_evaluate() sont disponibles dans votre environnement.
Cette activité fait partie du cours
Ingénierie des caractéristiques en R
Instructions de l’exercice
- Configurez un
tune_gridpour explorer la performance de votre modèle selon le ROC_AUC. - Sélectionnez la meilleure valeur de pénalité.
- Ajustez le flux de travail final avec la meilleure pénalité.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Set up a tune grid to explore your model performance against roc_auc
lr_tune_output <- ___(lr_workflow, resamples = vfold_cv(train, v = 5),
metrics = metric_set(roc_auc), grid = lr_penalty_grid)
# Select the best penalty value
best_penalty <- ___(lr_tune_output, metric = 'roc_auc', desc(penalty))
# Fit the final workflow with the best penalty
lr_final_fit<- ___(lr_workflow, best_penalty) %>% fit(data = train)
lr_final_fit %>% augment(test) %>%
class_evaluate(truth = Attrition, estimate = .pred_class, .pred_Yes)