Dopasowanie, eksploracja i ocena modelu

Po zdefiniowaniu przepływu pracy z recepturą i modelem możesz dopasować dane do tego przepływu. Odbywa się to na zbiorze treningowym. Wytrenowany model jest następnie oceniany na zbiorze testowym. W tym przykładzie zmienna docelowa jest kategoryczna, a do modelowania używasz regresji logistycznej. Dlatego predykcje na zbiorze testowym ocenisz za pomocą miary F. Do dyspozycji masz obiekty feature_selection_recipe, lr_model, attrition_wflow, train i test z poprzedniego ćwiczenia.

Pakiety tidyverse i tidymodels zostały już wczytane.

To ćwiczenie jest częścią kursu

Redukcja wymiarowości w R

Zobacz kurs

Instrukcje do ćwiczenia

Dopasuj attrition_wflow do danych treningowych.
Dodaj predykcje na zbiorze testowym do danych testowych wraz z oryginalnymi wartościami Attrition.
Użyj f_meas(), aby ocenić wydajność modelu na zbiorze testowym.
Wyświetl estymaty modelu attrition_fit.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
___(___)

Edytuj i uruchom kod