Het model fitten en beoordelen
Nu je ontbrekende waarden hebt aangepakt en dummyvariabelen hebt gemaakt, is het tijd om de prestaties van je model te beoordelen!
De attrition-gegevensset, samen met de test- en train-splits, het lr_recipe en je gedeclareerde logistic_model() zijn allemaal voor je geladen.
Deze oefening maakt deel uit van de cursus
Feature engineering in R
Oefeninstructies
- Bundel model en recipe in een workflow.
- Fit de workflow op de trainingsdata.
- Genereer een augmented data frame voor prestatiebeoordeling.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Bundle model and recipe in workflow
lr_workflow <- ___() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe)
# Fit workflow to the train data
lr_fit <- ___(lr_workflow, data = train)
# Generate an augmented data frame for performance assessment
lr_aug <- lr_fit %>% ___(test)
lr_aug %>% roc_curve(truth = Attrition, .pred_No) %>% autoplot()
bind_rows(lr_aug %>% roc_auc(truth = Attrition, .pred_No),
lr_aug %>% accuracy(truth = Attrition, .pred_class))