एकल मॉडल की प्रेडिक्शंस
किसी classification मॉडल का प्रदर्शन निकालने के लिए, आपको Attrition के वास्तविक मानों की तुलना मॉडल द्वारा प्रेडिक्ट किए गए मानों से करनी होती है.
जब आप binary classification टास्क (जैसे precision और recall) के लिए मेट्रिक्स निकालते हैं, तो वास्तविक और प्रेडिक्टेड वेक्टर को बाइनरी मानों में बदलना ज़रूरी होता है.
इस अभ्यास में, आप पहले cross-validation fold के model और validate data frames का उपयोग उदाहरण के तौर पर करेंगे, और सीखेंगे कि इन वेक्टरों को कैसे तैयार किया जाए.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
- cross-validation के पहले fold से
modelऔरvalidatedata frame निकालिए. validatedata frame सेAttritionकॉलम निकालिए और उसके मानों को बाइनरी (TRUE/FALSE) में बदलिए.modelका उपयोग करकेvalidatedata frame के लिए attrition की probabilities प्रेडिक्ट कीजिए.- प्रेडिक्ट की गई probabilities को बाइनरी वेक्टर में बदलिए; मान लीजिए कि
0.5से बड़े सभी probabilities TRUE हैं.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___