CommencezCommencez gratuitement

Entraîner le modèle

Une spécification de modèle, c'est un bon départ, comme une toile pour un peintre. Mais, tout comme le peintre a besoin de couleurs, la spécification a besoin de données. Seul le modèle final peut faire des prédictions :

Spécification du modèle + données = modèle

Dans cet exercice, vous allez entraîner un arbre de décision qui modélise le risque de diabète à partir de variables de santé comme prédicteurs. La variable réponse, outcome, indique si la personne a le diabète ou non, ce qui en fait un problème de classification binaire (il n'y a que deux classes). Le jeu de données contient aussi des variables de santé de patientes et patients comme blood_pressure, age et bmi.

Pour le reste du cours, le tidymodels sera toujours préchargé. Dans cet exercice, le jeu de données diabetes est aussi disponible dans votre espace de travail.

Cette activité fait partie du cours

Machine Learning avec des modèles arborescents en R

Voir le cours

Instructions de l’exercice

  • Créez tree_spec, une spécification pour un arbre de décision avec le moteur rpart.
  • Entraînez un modèle tree_model_bmi, où outcome dépend uniquement du prédicteur bmi, en ajustant le jeu de données diabetes à la spécification.
  • Affichez le modèle dans la console.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create the specification
tree_spec <- ___() %>% 
  ___("rpart") %>% 
  ___

# Train the model
tree_model_bmi <- tree_spec %>% 
  ___

# Print the model
___
Modifier et exécuter le code