グリッドに沿ってチューニングする

チューニンググリッドとダミーのスペックを作成したら、グリッド上の各点でモデルを学習し、その結果を評価する必要があります。これは、スライドで紹介したとおり、tidymodels フレームワークの tune_grid() を使えばとても簡単に行えます。

以降の演習では、次の列を持つ credit card customers データセットを使用します。

still_customer: 顧客が現在もアクティブかどうかを示すフラグ（yes または no）
total_trans_amt: 取引の合計金額（USD）
customer_age: 顧客の年齢
income_category: 年収カテゴリを示すラベル（例：$60K - $80K、Less than $40K など）
… そのほか 16 列

コンソールで customers の tibble を自由に確認してみてください。前の演習の結果である tree_grid と tune_spec は読み込まれたままです。

この演習はコースの一部です

Rで学ぶTree-Based ModelsによるMachine Learning

コースを見る

演習の手順

データセットのクロスバリデーション分割を 3 つ作成し、folds として保存します。
すべての説明変数で still_customer を予測し、CV の分割をリサンプルとして使い、metric_set(accuracy) を指定して、グリッドに沿ってスペックをチューニングし、tune_results を作成します。
autoplot() でチューニング結果を可視化します。

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。

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)

コードを編集して実行