Prediksi dari satu model

Untuk menghitung kinerja model klasifikasi, Anda perlu membandingkan nilai aktual Attrition dengan nilai yang diprediksi oleh model. Saat menghitung metrik untuk tugas klasifikasi biner (seperti precision dan recall), vektor aktual dan prediksi harus dikonversi menjadi nilai biner.

Pada latihan ini, Anda akan mempelajari cara menyiapkan vektor-vektor tersebut menggunakan model dan data frame validate dari lipatan cross-validation pertama sebagai contoh.

Latihan ini adalah bagian dari kursus

Machine Learning di Tidyverse

Lihat Kursus

Petunjuk latihan

Ekstrak model dan data frame validate dari lipatan pertama cross-validation.
Ekstrak kolom Attrition dari data frame validate dan konversi nilainya menjadi biner (TRUE/FALSE).
Gunakan model untuk memprediksi probabilitas attrition untuk data frame validate.
Konversi probabilitas prediksi menjadi vektor biner, anggap semua probabilitas yang lebih besar dari 0.5 sebagai TRUE.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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 <- ___

Edit dan Jalankan Kode