Flux de travail de modélisation complet
Dans cet exercice, vous utiliserez la fonction last_fit() pour entraîner un modèle de régression logistique et évaluer sa performance sur les données de test en examinant la courbe ROC et l'aire sous la courbe ROC.
Comme dans les exercices précédents, vous prédirez canceled_service dans les données telecom_df, mais avec une variable prédictive supplémentaire pour voir si vous pouvez améliorer la performance du modèle.
Les objets telecom_df (tibble), telecom_split et logistic_model des exercices précédents ont été chargés dans votre espace de travail. L'objet telecom_split contient les instructions pour diviser aléatoirement le tibble telecom_df en ensembles d'entraînement et de test. L'objet logistic_model est une spécification parsnip d'un modèle de régression logistique.
Cette activité fait partie du cours
Modélisation avec tidymodels en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Train a logistic regression model
logistic_fit <- ___ %>%
last_fit(___,
split = ___)