모델 학습, 탐색, 평가하기

레시피와 모델로 워크플로를 정의했으면, 학습 데이터로 워크플로를 학습시킬 수 있습니다. 학습은 훈련 데이터 세트로 수행합니다. 이렇게 학습된 모델은 테스트 세트로 평가합니다. 이 예제에서 타깃 변수는 범주형이고, 로지스틱 회귀 모델을 사용합니다. 따라서 테스트 예측은 F measure로 평가합니다. 이전 연습 문제에서 사용한 feature_selection_recipe, lr_model, attrition_wflow, train, test가 준비되어 있습니다.

tidyverse와 tidymodels 패키지는 미리 로드되어 있습니다.

이 연습은 강의의 일부입니다

R에서의 차원 축소

강의 보기

연습 안내

훈련 데이터를 사용해 attrition_wflow를 학습(fit)하세요.
원래 Attrition 값을 가진 테스트 데이터에 테스트 예측을 추가하세요.
f_meas()로 테스트 데이터에서의 모델 성능을 평가하세요.
attrition_fit의 모델 추정치를 표시하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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
___(___)

코드 편집 및 실행