Gereduceerde random forest maken

Nu is het tijd om een gereduceerd model te fitten met train_reduced en het te evalueren met test_reduced. rf_spec is beschikbaar om het gereduceerde model te fitten. Het volledige model had een F1-waarde van 0,948. Terwijl je een gereduceerd model fit en evalueert, onthoud dat er altijd een afweging is tussen modelsimpliciteit en modelprestatie. Je moet inschatten of de voordelen van modelreductie opwegen tegen een eventuele daling in modelprestatie, als die er is.

De pakketten tidyverse, tidymodels en vip zijn voor je geladen.

Deze oefening maakt deel uit van de cursus

Dimensionality Reduction in R

Cursus bekijken

Oefeninstructies

Gebruik rf_spec om het gereduceerde random forest-model te fitten.
Koppel de voorspellingen van het gereduceerde model aan test_reduced.
Bereken de F1-metriek voor het gereduceerde model.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Fit a reduced model
rf_reduced_fit <- ___ %>% 
  ___(___, ___ = ___)

# Create test set prediction data frame
predict_reduced_df <- ___ %>% 
  ___(predict = ___(___, ___))

# Calculate F1 performance
___(___, ___, ___)

Code bewerken en uitvoeren