अंतिम classification मॉडल बनाएँ
लॉजिस्टिक रिग्रेशन मॉडल (0.4) और सर्वश्रेष्ठ प्रदर्शन करने वाले रैंडम फॉरेस्ट मॉडल (0.2) के बीच recall प्रदर्शन की तुलना करके, आपने सीखा कि सर्वश्रेष्ठ प्रदर्शन वाला मॉडल लॉजिस्टिक रिग्रेशन मॉडल है. इस अभ्यास में, आप सभी train डेटा का उपयोग करके लॉजिस्टिक रिग्रेशन मॉडल बनाएँगे और इस मॉडल के test प्रदर्शन का आकलन करने के लिए आवश्यक वेक्टर तैयार करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
training_dataमें उपलब्ध सभी फीचर्स का उपयोग करते हुएAttritionकी भविष्यवाणी करने वाला एक लॉजिस्टिक रिग्रेशन मॉडल बनाएँ.- वास्तविक टेस्ट मानों का बाइनरी वेक्टर
test_actualतैयार करें. - प्रेडिक्टेड मानों का बाइनरी वेक्टर तैयार करें, जहाँ probability 0.5 से अधिक होने पर
TRUEमाना जाए, और इसेtest_predictedके रूप में सहेजें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build the logistic regression model using all training data
best_model <- glm(formula = ___,
data = ___, family = "binomial")
# Prepare binary vector of actual Attrition values for testing_data
test_actual <- testing_data$___ == "___"
# Prepare binary vector of predicted Attrition values for testing_data
test_predicted <- predict(___, ___, type = "response") > ___