step_poly()
Nu je een baseline hebt, kun je de prestatie van je model vergelijken als je een polynomiale transformatie toevoegt aan alle numerieke waarden.
De attrition_num-gegevens, de logistische regressie lr_model, de zelfgedefinieerde functie class-evaluate(), en de train- en test-splits zijn al voor je geladen.
Deze oefening maakt deel uit van de cursus
Feature engineering in R
Oefeninstructies
- Voeg een polynomiale transformatie toe aan alle numerieke voorspellers.
- Fit de workflow op de train-gegevens.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
lr_recipe_poly <-
recipe(Attrition ~., data = train) %>%
# Add a polynomial transformation to all numeric predictors
___
lr_workflow_poly <- workflow() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe_poly)
# Fit workflow to the train data
lr_fit_poly <- ___ %>% fit(train)
lr_aug_poly <- lr_fit_poly %>% augment(test)
lr_aug_poly %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)