Construire le modèle de classification final
En comparant la performance en rappel entre le modèle de régression logistique (0,4) et le meilleur modèle de forêt aléatoire (0,2), vous avez constaté que le modèle le plus performant est la régression logistique. Dans cet exercice, vous allez construire le modèle de régression logistique en utilisant toutes les données de train et préparer les vecteurs nécessaires pour évaluer la performance test de ce modèle.
Cette activité fait partie du cours
Machine Learning dans le tidyverse
Instructions de l’exercice
- Construisez un modèle de régression logistique qui prédit
Attritionen utilisant toutes les caractéristiques disponibles danstraining_data. - Préparez le vecteur binaire des valeurs réelles de test,
test_actual. - Préparez le vecteur binaire des valeurs prédites où une probabilité supérieure à 0,5 indique
TRUE, et enregistrez-le sous le nomtest_predicted.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Build the logistic regression model using all training data
best_model <- glm(formula = ___,
data = ___, family = "binomial")
# Prepare binary vector of actual Attrition values for testing_data
test_actual <- testing_data$___ == "___"
# Prepare binary vector of predicted Attrition values for testing_data
test_predicted <- predict(___, ___, type = "response") > ___