Ajuster un modèle de régression logistique
En plus des modèles de régression, le package parsnip propose aussi une interface générale pour les modèles de classification en R.
Dans cet exercice, vous allez définir un objet de régression logistique parsnip et entraîner votre modèle pour prédire canceled_service en utilisant avg_call_mins, avg_intl_mins et monthly_charges comme variables prédictives à partir des données telecom_df.
Les tibbles telecom_training et telecom_test que vous avez créés dans la leçon précédente ont été chargés dans cette session.
Cet exercice fait partie du cours
Modéliser avec tidymodels en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Specify a logistic regression model
logistic_model <- ___ %>%
# Set the engine
___ %>%
# Set the mode
___
# Print the model specification
logistic_model