Rationaliser le processus de modélisation

La fonction last_fit() est conçue pour simplifier le flux de travail de modélisation dans tidymodels. Au lieu d’entraîner votre modèle sur les données d’entraînement puis de construire un tibble de résultats à l’aide des données de test, last_fit() réalise tout cela en 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 découpage des données, telecom_split, et la spécification du modèle, logistic_model, ont été chargés dans votre session.

Cet exercice fait partie du cours

Modéliser avec tidymodels en R

Afficher le cours

Instructions

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 métriques de performance de votre modèle entraîné, telecom_last_fit.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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

# View test set metrics
telecom_last_fit %>% 
  ___

Modifier et exécuter le code