始める無料で始める

ワークフローを構築する

分析の準備ができたデータに対して、遅延到着するかどうかを予測する logistic_model() を宣言します。

解析やデバッグ時の参照用に、flight 変数には「ID」の役割を割り当てます。date 変数からは、新しい特徴量を作成して祝日の効果を明示的にモデル化し、factors はダミー変数として表現します。

workflow() を使って model と recipe() をまとめてバンドルしておくと、その後の学習や予測でも一貫した特徴量エンジニアリング手順が適用されるようにできます。

この演習はコースの一部です

Rで学ぶ特徴量エンジニアリング

コースを見る

演習の手順

  • flight に「ID」ロールを割り当てます。
  • model と recipe を workflow オブジェクトにバンドルします。
  • lr_workflow を test データに適合させます。
  • 適合済みワークフローを整形（tidy）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。

lr_model <- logistic_reg()

# Assign an "ID" role to flight
lr_recipe <- recipe(arrival ~., data = train) %>% update_role(flight, new_role = ___) %>%
  step_holiday(date, holidays = timeDate::listHolidays("US")) %>% step_dummy(all_nominal_predictors())

# Bundle the model and the recipe into a workflow object
lr_workflow <- workflow() %>% add_model(___) %>% add_recipe(___)
lr_workflow

# Fit lr_workflow workflow to the test data  
lr_fit <- lr_workflow %>% ___(data = test)

# Tidy the fitted workflow  
tidy(___)
コードを編集して実行