決定木モデルでの UMAP 次元削減
UMAP の可視化ができたところで、次はモデル構築に活用してみましょう。この演習では、前処理レシピで UMAP をクレジットデータに適用し、抽出したコンポーネントを使って決定木モデルを作るワークフローを構築します。クレジットデータの train と test セットは用意されています。embed ライブラリはすでに読み込まれています。
この演習はコースの一部です
Rによる次元削減
演習の手順
- データに UMAP の次元削減を適用し、4 つのコンポーネントを抽出するレシピを作成します。
- 分類用の
decision_treeモデルを作成します。 - ワークフローに UMAP レシピと決定木モデルを追加します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create a recipe to apply UMAP feature extraction
umap_recipe <- recipe(___ ~ ___, data = ___) %>%
___(___()) %>%
___(___(), outcome = vars(___), num_comp = ___)
# Specify a decision tree model
umap_dt_model <- ___(___ = "___")
# Add the recipe and model to a workflow
umap_dt_workflow <- ___() %>%
add_recipe(___) %>%
add_model(___)
umap_dt_workflow