시작하기무료로 시작하기

워크플로 빌드하기

분석할 준비가 된 데이터를 바탕으로, 지연 도착 여부를 예측하는 logistic_model()을 선언하겠습니다.

분석과 디버깅을 위한 참조로 유지하기 위해 flight 변수에는 "ID" 역할을 부여하세요. 또한 date 변수로부터 공휴일 효과를 명시적으로 모델링하는 새 특징을 만들고, factors를 더미 변수로 표현합니다.

workflow()를 사용해 model과 recipe()를 함께 번들링하면 이후의 적합이나 예측에서 일관된 특징 엔지니어링 단계가 적용되도록 보장할 수 있습니다.

이 연습은 강의의 일부입니다

R로 배우는 Feature Engineering

강의 보기

연습 안내

  • flight에 "ID" 역할을 지정하세요.
  • 모델과 레시피를 workflow 객체로 번들링하세요.
  • lr_workflow을(를) test 데이터에 적합하세요.
  • 적합된 워크플로를 정리(tidy)하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

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(___)
코드 편집 및 실행