शुरू करेंमुफ़्त में शुरू करें

आकलन करें

अब मूल्यांकन का समय है. अपने मॉडल को ट्यून कीजिए ताकि optimal penalty मान मिल सके और एक final मॉडल फिट करके अपने काम का आकलन करें.

आपका वर्कफ़्लो, penalty ग्रिड, और user-defined class_evaluate() फंक्शन आपके environment में उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • tune_grid सेट करें ताकि ROC_AUC के विरुद्ध अपने मॉडल के performance को explore कर सकें.
  • best penalty मान चुनें.
  • best penalty के साथ final वर्कफ़्लो फिट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Set up a tune grid to explore your model performance against roc_auc
lr_tune_output <- ___(lr_workflow, resamples = vfold_cv(train, v = 5),
  metrics = metric_set(roc_auc), grid = lr_penalty_grid)

# Select the best penalty value
best_penalty <- ___(lr_tune_output, metric = 'roc_auc', desc(penalty)) 

# Fit the final workflow with the best penalty
lr_final_fit<- ___(lr_workflow, best_penalty) %>% fit(data = train)

lr_final_fit %>% augment(test) %>% 
class_evaluate(truth = Attrition, estimate = .pred_class, .pred_Yes)
कोड संपादित करें और चलाएँ