モデルの学習・探索・評価
レシピとモデルでワークフローを定義したら、トレーニングデータでそのワークフローにデータを当てはめます。学習はトレーニングデータセットで行い、学習済みモデルはテストセットで評価します。この例では目的変数はカテゴリ変数で、ロジスティック回帰モデルを使用します。そのため、テスト予測は F 値で評価します。前の演習で作成した feature_selection_recipe、lr_model、attrition_wflow、train、test が利用できます。
tidyverse と tidymodels パッケージ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
- トレーニングデータを使って
attrition_wflowを学習させます。 - 予測結果をテストデータに追加し、元の
Attritionの値と結合します。 f_meas()を使ってテストデータでのモデル性能を評価します。attrition_fitのモデル推定値を表示します。
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。
# Fit workflow to train data
attrition_fit <-
___ %>% ___(___ = ___)
# Add the test predictions to the test data
attrition_pred_df <- ___(___, ___) %>%
bind_cols(___ %>% select(___))
# Evaluate F score
___(___, ___, ___)
# Display model estimates
___(___)