Ajuster, explorer et évaluer le modèle
Une fois que vous avez défini un workflow avec une recette et un modèle, vous pouvez y ajuster les données. Cela se fait avec l’ensemble d’entraînement. Le modèle entraîné est ensuite évalué à l’aide de l’ensemble de test. Dans cet exemple, la variable cible est catégorielle et vous utilisez une régression logistique. Vous évaluerez donc les prédictions de test avec la mesure F. feature_selection_recipe, lr_model, attrition_wflow, train et test de l’exercice précédent sont à votre disposition.
Les packages tidyverse et tidymodels ont été chargés pour vous.
Cet exercice fait partie du cours
Réduction de dimension en R
Instructions
- Ajustez
attrition_wflowà l’aide des données d’entraînement. - Ajoutez les prédictions de test aux données de test avec les valeurs
Attritiond’origine. - Utilisez
f_meas()pour évaluer les performances du modèle sur les données de test. - Affichez les estimations du modèle de
attrition_fit.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Fit workflow to train data
attrition_fit <-
___ %>% ___(___ = ___)
# Add the test predictions to the test data
attrition_pred_df <- ___(___, ___) %>%
bind_cols(___ %>% select(___))
# Evaluate F score
___(___, ___, ___)
# Display model estimates
___(___)