Evaluasi
Kini saatnya melakukan evaluasi. Lakukan tuning pada model Anda untuk menemukan nilai penalty yang optimal dan latih model final untuk menilai pekerjaan Anda.
Workflow Anda, grid penalty, dan fungsi buatan pengguna class_evaluate() tersedia di lingkungan Anda.
Latihan ini merupakan bagian dari kursus
Rekayasa Fitur di R
Instruksi latihan
- Siapkan
tune_griduntuk mengeksplorasi kinerja model Anda terhadap ROC_AUC. - Pilih nilai penalty terbaik.
- Latih workflow final dengan penalty terbaik.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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)