Redukcja UMAP w modelu drzewa decyzyjnego
Skoro już zwizualizowałeś redukcję UMAP, czas wykorzystać ją w budowaniu modelu. W tym ćwiczeniu stworzysz workflow, który stosuje UMAP w recepturze preprocessingu do danych kredytowych, a następnie użyjesz wyodrębnionych komponentów do zbudowania modelu drzewa decyzyjnego. Zbiory train i test dla danych kredytowych są już dostępne. Biblioteka embed została wcześniej załadowana.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w R
Instrukcje do ćwiczenia
- Utwórz recepturę, która zastosuje redukcję UMAP do danych i wygeneruje cztery wyodrębnione komponenty.
- Utwórz model
decision_treedo klasyfikacji. - Dodaj recepturę UMAP i model drzewa decyzyjnego do workflow.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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