Construire des modèles avec validation croisée
Dans cet exercice, vous allez construire des modèles de régression logistique pour chaque pli de votre validation croisée.
Vous utiliserez la fonction glm() et définirez l’argument family sur "binomial".
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
Construisez des modèles prédisant Attrition à l’aide de toutes les variables disponibles, avec les données train pour chaque pli de la validation croisée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Build a model using the train data for each fold of the cross validation
cv_models_lr <- cv_data %>%
mutate(model = map(___, ~glm(formula = ___,
data = ___, family = ___)))