그리드 따라 튜닝하기
튜닝 그리드와 더미 사양을 만든 뒤에는, 그리드의 각 지점마다 모델을 학습하고 결과 모델을 평가해야 합니다.
슬라이드에서 소개한 것처럼, tidymodels 프레임워크에서는 tune_grid() 함수를 사용하면 아주 쉽게 할 수 있어요.
남은 연습 문제에서는 다음 열을 가진 신용카드 고객 데이터셋을 사용합니다:
still_customer: 고객이 현재 활성 고객인지 나타내는 플래그(yes 또는 no)total_trans_amt: 거래 총액(USD)customer_age: 고객 나이income_category: 연소득 구간을 나타내는 레이블(예: $60K - $80K, Less than $40K)- … 그리고 총 16개 열이 더 있습니다.
콘솔에서 customers 티블을 자유롭게 확인해 보세요! 이전 연습 문제의 결과인 tree_grid와 tune_spec은 여전히 로드되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 트리 기반 Machine Learning
연습 안내
- 데이터셋에 대해 교차 검증 폴드를 3개 만들고
folds로 저장하세요. - 모든 예측 변수를 사용해
still_customer를 예측하도록, 그리드 전반에서 사양을 튜닝해tune_results를 만드세요. 재표집으로는 CV 폴드를 사용하고, 평가지표는metric_set(accuracy)를 쓰세요. autoplot()으로 튜닝 결과를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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)