शुरू करेंमुफ़्त में शुरू करें

वैरिएबल इम्पॉर्टेंस से छनाई

attrition डेटासेट में "Attrition" के लिए 839 ऑब्ज़र्वेशन और 30 प्रेडिक्टर्स हैं। आप यह देखने में रुचि रखते हैं कि सभी उपलब्ध प्रेडिक्टर्स वाले मॉडल के परफॉर्मेंस और कुछ जानकारीपूर्ण वैरिएबल्स पर आधारित रिड्यूस्ड मॉडल के बीच क्या ट्रेड-ऑफ है.

इस अभ्यास में, आप एक मॉडल फिट करेंगे और उसके वैरिएबल इम्पॉर्टेंस को देखेंगे। अगले अभ्यास में, आप इस मॉडल के परफॉर्मेंस का आकलन करेंगे और इसे रिड्यूस्ड मॉडल से तुलना करेंगे.

आपके एनवायरनमेंट में train और test स्प्लिट्स, vip() पैकेज, और पहले से घोषित लॉजिस्टिक रिग्रेशन model उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ऐसा recipe बनाएँ जो Attrition को सभी प्रेडिक्टर्स से मॉडल करे.
  • वर्कफ़्लो को ट्रेनिंग डेटा पर फिट करें.
  • अपने मॉडल की वैरिएबल इम्पॉर्टेंस को ग्राफ करने के लिए fit_full ऑब्जेक्ट का उपयोग करें.
  • vip() से पहले extract_fit_parsnip() फंक्शन लगाएँ ताकि उसे आवश्यक जानकारी मिल सके.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
कोड संपादित करें और चलाएँ