Model fitten, verkennen en evalueren

Zodra je een workflow met een recipe en een model hebt gedefinieerd, kun je de gegevens aan de workflow fitten. Dit doe je met de trainingsgegevensset. Het getrainde model wordt daarna geëvalueerd met de testset. In dit voorbeeld is de doelvariabele categorisch en gebruik je een logistisch regressiemodel. Daarom evalueer je de testvoorspellingen met de F-maat. feature_selection_recipe, lr_model, attrition_wflow, train en test uit de vorige oefening zijn beschikbaar voor je.

De pakketten tidyverse en tidymodels zijn al voor je geladen.

Deze oefening maakt deel uit van de cursus

Dimensionality Reduction in R

Cursus bekijken

Oefeninstructies

Fit attrition_wflow met de trainingsgegevens.
Voeg de testvoorspellingen toe aan de testgegevens met de oorspronkelijke Attrition-waarden.
Gebruik f_meas() om de modelprestatie op de testgegevens te evalueren.
Geef de modelschattingen van attrition_fit weer.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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
___(___)

Code bewerken en uitvoeren