Mulai sekarangMulai gratis

Penyetelan sepanjang grid

Setelah membuat grid penyetelan dan spesifikasi dummy, Anda perlu melatih model pada setiap titik grid dan mengevaluasi model yang dihasilkan. Ini sangat mudah dilakukan dalam kerangka kerja tidymodels menggunakan fungsi tune_grid(), seperti diperkenalkan di slide.

Pada latihan berikutnya, Anda akan menggunakan himpunan data pelanggan kartu kredit, yang memiliki kolom-kolom berikut:

  • still_customer: penanda (yes atau no) yang menunjukkan apakah seorang pelanggan masih aktif
  • total_trans_amt: total jumlah transaksi dalam USD
  • customer_age: usia pelanggan
  • income_category: label seperti $60K - $80K atau Less than $40K untuk menunjukkan kategori pendapatan tahunan
  • … dan 16 kolom lainnya.

Silakan periksa tibble customers di konsol! Hasil dari latihan sebelumnya, tree_grid dan tune_spec, masih dimuat.

Latihan ini merupakan bagian dari kursus

Machine Learning dengan Model Berbasis Pohon di R

Lihat Kursus

Instruksi latihan

  • Buat tiga lipatan cross-validation dari himpunan data Anda dan simpan sebagai folds.
  • Buat tune_results dengan menyetel spesifikasi sepanjang grid menggunakan semua prediktor untuk memprediksi still_customer, lipatan CV Anda sebagai resamples, dan metric_set(accuracy).
  • Gunakan autoplot() untuk membuat plot hasil penyetelan.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

set.seed(275)

# Create CV folds of the customers tibble
folds <- ___

# Tune along the grid
tune_results <- tune_grid(___, 
                          ___,
                          resamples = ___,
                          grid = ___,
                          metrics = ___)

# Plot the tuning results
___(tune_results)
Edit dan Jalankan Kode