Zacznij terazZacznij za darmo

Budowanie przepływu pracy

Gdy dane są gotowe do analizy, zadeklarujesz logistic_model(), aby przewidzieć, czy lot przyleci z opóźnieniem.

Zmiennej flight przypisujesz rolę „ID", aby zachować ją jako punkt odniesienia do analizy i debugowania. Na podstawie zmiennej date utworzysz nowe cechy, które jawnie modelują wpływ świąt, oraz przekształcisz factors na zmienne dummy.

Złączenie modelu i recipe() za pomocą workflow() pozwoli zapewnić, że kolejne dopasowania i predykcje będą konsekwentnie stosować te same kroki inżynierii cech.

To ćwiczenie jest częścią kursu

Inżynieria cech w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Przypisz zmiennej flight rolę „ID".
  • Połącz model i recepturę w obiekt workflow.
  • Dopasuj lr_workflow do danych test.
  • Uporządkuj dopasowany przepływ pracy za pomocą funkcji tidy.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

lr_model <- logistic_reg()

# Assign an "ID" role to flight
lr_recipe <- recipe(arrival ~., data = train) %>% update_role(flight, new_role = ___) %>%
  step_holiday(date, holidays = timeDate::listHolidays("US")) %>% step_dummy(all_nominal_predictors())

# Bundle the model and the recipe into a workflow object
lr_workflow <- workflow() %>% add_model(___) %>% add_recipe(___)
lr_workflow

# Fit lr_workflow workflow to the test data  
lr_fit <- lr_workflow %>% ___(data = test)

# Tidy the fitted workflow  
tidy(___)
Edytuj i uruchom kod