step_poly()
अब जब आपके पास एक बेसलाइन है, तो आप देख सकते हैं कि अगर आप सभी न्यूमेरिकल वैल्यूज़ पर पॉलीनॉमियल ट्रांसफ़ॉर्मेशन जोड़ते हैं, तो आपके मॉडल का प्रदर्शन कैसा बदलता है.
attrition_num डेटा, लॉजिस्टिक रिग्रेशन lr_model, यूज़र-डिफ़ाइंड class-evaluate() फंक्शन, और train तथा test स्प्लिट्स पहले से आपके लिए लोड किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Feature Engineering
अभ्यास निर्देश
- सभी न्यूमेरिक प्रेडिक्टर्स पर पॉलीनॉमियल ट्रांसफ़ॉर्मेशन जोड़ें.
- वर्कफ़्लो को train डेटा पर फिट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
lr_recipe_poly <-
recipe(Attrition ~., data = train) %>%
# Add a polynomial transformation to all numeric predictors
___
lr_workflow_poly <- workflow() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe_poly)
# Fit workflow to the train data
lr_fit_poly <- ___ %>% fit(train)
lr_aug_poly <- lr_fit_poly %>% augment(test)
lr_aug_poly %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)