Zacznij terazZacznij za darmo

Analiza ważności zmiennych

Zbiór danych attrition zawiera 839 obserwacji i 30 predyktorów dla zmiennej "Attrition". Chcesz zbadać kompromis między wydajnością modelu korzystającego ze wszystkich dostępnych predyktorów a uproszczonego modelu opartego na kilku najbardziej informatywnych zmiennych.

W tym ćwiczeniu dopasowujesz model i analizujesz ważność zmiennych w tym dopasowanym modelu. W kolejnym ćwiczeniu ocenisz wydajność tego modelu w porównaniu z modelem uproszczonym.

Podziały danych na train i test oraz pakiet vip() są dostępne w twoim środowisku wraz z gotowym modelem regresji logistycznej model.

To ćwiczenie jest częścią kursu

Inżynieria cech w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz recepturę, która modeluje Attrition przy użyciu wszystkich predyktorów.
  • Dopasuj przepływ pracy do danych treningowych.
  • Użyj obiektu fit_full, aby wygenerować wykres ważności zmiennych swojego modelu.
  • Zastosuj funkcję extract_fit_parsnip() przed vip(), aby przekazać jej niezbędne informacje.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
Edytuj i uruchom kod