UMAP 결정 트리 모델 평가하기
이전 연습 문제에서 UMAP을 적용하고 결정 트리 모델을 만드는 워크플로를 구성했어요. 이제 그 학습 데이터를 사용해 모델을 학습하고, 축소하지 않은 결정 트리 모델과 성능을 비교해 볼 차례예요. 타깃 변수 credit_score가 범주형이므로 모델의 성능 평가는 f_meas()로 진행합니다. 축소하지 않은 모델과 그 테스트 예측은 각각 dt_fit과 predict_df에 저장되어 있어요. 여러분이 만든 UMAP 워크플로는 umap_dt_workflow에 있어요. train과 test 세트도 제공됩니다.
tidyverse, tidymodels, embed 패키지는 이미 로드되어 있어요.
이 연습은 강의의 일부입니다
R에서의 차원 축소
연습 안내
f_meas를 사용해 축소하지 않은dt_fit의 성능을 평가하세요.umap_dt_workflow로 UMAP 축소 모델을 학습하세요.- 축소된 UMAP 모델의 테스트 세트 예측 데이터 프레임을 만드세요.
f_meas를 사용해 축소된umap_dt_fit의 성능을 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Evaluate the unreduced decision tree model performance
___(___, ___, ___)
# Fit the UMAP decision tree model
umap_dt_fit <- ___ %>%
fit(___ = ___)
# Create test set prediction data frame for the UMAP model
predict_umap_df <- ___ %>%
___(predict = ___(___, ___))
# Calculate F1 performance of the UMAP model
___(___, ___, ___)