UMAP-reductie in een beslissingsboommodel
Nu je een UMAP-reductie hebt gevisualiseerd, gaan we UMAP inzetten bij het bouwen van een model. In deze oefening bouw je een workflow die UMAP toepast in een preprocessing-recept op de kredietgegevens en vervolgens de geëxtraheerde componenten gebruikt om een beslissingsboommodel te bouwen. De train- en test-sets van de kredietgegevens zijn voor je beschikbaar. De bibliotheek embed is al geladen.
Deze oefening maakt deel uit van de cursus
Dimensionality Reduction in R
Oefeninstructies
- Maak een recept om een UMAP-reductie op de data toe te passen, met als resultaat vier geëxtraheerde componenten.
- Maak een
decision_tree-model voor classificatie. - Voeg het UMAP-recept en het beslissingsboommodel toe aan een workflow.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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