의사결정나무 모델에서의 UMAP 축소
이제 UMAP 축소를 시각화해 보았으니, 모델 구축에 UMAP을 활용해 보겠습니다. 이번 연습에서는 신용 데이터에 대한 전처리 레시피에서 UMAP을 적용하는 워크플로를 만들고, 추출된 컴포넌트를 사용해 의사결정나무 모델을 구축합니다. 신용 데이터의 train과 test 세트가 제공되어 있으며, embed 라이브러리는 이미 로드되어 있습니다.
이 연습은 강의의 일부입니다
R에서의 차원 축소
연습 안내
- UMAP 축소를 데이터에 적용하여 네 개의 추출된 컴포넌트를 얻는 레시피를 만드세요.
- 분류용
decision_tree모델을 만드세요. - 워크플로에 UMAP 레시피와 의사결정나무 모델을 추가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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