Rationaliser le processus de modélisation

La fonction last_fit() est conçue pour rationaliser le flux de travail de modélisation dans tidymodels. Plutôt que d'entraîner votre modèle sur l'ensemble d'entraînement puis de créer un tibble de résultats à partir de l'ensemble de test, last_fit() réalise tout cela avec une seule fonction.

Dans cet exercice, vous allez entraîner le même modèle de régression logistique que dans les exercices précédents, mais en utilisant la fonction last_fit().

Votre objet de partition des données, telecom_split, et la spécification du modèle, logistic_model, ont été chargés dans votre session.

Cette activité fait partie du cours

Modélisation avec tidymodels en R

Voir le cours

Instructions de l’exercice

Passez votre objet logistic_model à la fonction last_fit().
Prédisez canceled_service à partir de avg_call_mins, avg_intl_mins et monthly_charges.
Affichez les mesures de performance de votre modèle entraîné, telecom_last_fit.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Train model with last_fit()
telecom_last_fit <- ___ %>% 
  last_fit(___,
           split = ___)

# View test set metrics
telecom_last_fit %>% 
  ___

Modifier et exécuter le code