Explorer le jeu de données des prêts

Le package workflows permet de regrouper des modèles parsnip et des objets recipe dans un seul objet de modélisation workflow. Cela facilite grandement la gestion d’un projet de Machine Learning et évite d’avoir à suivre plusieurs objets de modélisation.

Dans cet exercice, vous travaillerez avec le jeu de données loans_df, qui contient des informations financières sur des prêts à la consommation dans une banque. La variable cible de ces données est loan_default.

Vous allez créer un objet de modèle d’arbre de décision et définir un pipeline de feature engineering pour les données de prêts. Le tibble loans_df a été chargé dans votre session.

Cet exercice fait partie du cours

Modéliser avec tidymodels en R

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create data split object
loans_split <- ___(___, 
                   strata = ___)

# Build training data
loans_training <- ___ %>% 
  ___

# Build test data
loans_test <- ___ %>% 
  ___

Modifier et exécuter le code