Flux de travail de modélisation complet

Dans cet exercice, vous allez utiliser la fonction last_fit() pour entraîner un modèle de régression logistique et évaluer ses performances sur les données de test en examinant la courbe ROC et l’aire sous la courbe ROC.

Comme dans les exercices précédents, vous allez prédire canceled_service dans les données telecom_df, mais avec une variable prédictive supplémentaire pour voir si vous pouvez améliorer les performances du modèle.

Le tibble telecom_df, ainsi que les objets telecom_split et logistic_model des exercices précédents, ont été chargés dans votre espace de travail. L’objet telecom_split contient les instructions pour scinder 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.