Dopasowanie i ocena modelu
Skoro obsłużono już brakujące wartości i utworzono zmienne dummy, czas ocenić wydajność modelu!
Zbiór danych attrition, wraz z podziałami test i train, obiektem lr_recipe oraz zadeklarowanym logistic_model(), są już wczytane.
To ćwiczenie jest częścią kursu
Inżynieria cech w R
Instrukcje do ćwiczenia
- Połącz model i przepis w workflow.
- Dopasuj workflow do danych treningowych.
- Wygeneruj rozszerzony zbiór danych do oceny wydajności.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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))