1. Nauka
    2. /
  2. Kursy
    3. /
  3. Redukcja wymiarowości w R
Connected

ćwiczenie

Ocena modelu drzewa decyzyjnego z UMAP

W poprzednim ćwiczeniu utworzyłeś(-aś) workflow, który stosuje UMAP i buduje model drzewa decyzyjnego. Teraz czas dopasować model do danych treningowych i porównać jego wydajność z niezredukowanym modelem drzewa decyzyjnego. Ponieważ zmienna docelowa credit_score jest kategoryczna, do oceny wydajności modeli użyjesz funkcji f_meas(). Niezredukowany model i jego przewidywania na zbiorze testowym są przechowywane odpowiednio w dt_fit i predict_df. Workflow UMAP, który utworzyłeś(-aś), znajduje się w umap_dt_workflow. Zbiory train i test są już dostępne.

Biblioteki tidyverse, tidymodels i embed zostały wczytane.

Instrukcje

100 XP
  • Użyj f_meas, aby ocenić wydajność niezredukowanego modelu dt_fit.
  • Dopasuj zredukowany model UMAP, korzystając z umap_dt_workflow.
  • Utwórz ramkę danych z przewidywaniami na zbiorze testowym dla zredukowanego modelu UMAP.
  • Użyj f_meas, aby ocenić wydajność zredukowanego modelu umap_dt_fit.