step_poly()
Mając już punkt odniesienia, możesz sprawdzić, jak zmieni się wydajność modelu po zastosowaniu transformacji wielomianowej do wszystkich wartości numerycznych.
Dane attrition_num, model regresji logistycznej lr_model, zdefiniowana przez użytkownika funkcja class-evaluate() oraz podziały train i test zostały już wczytane.
To ćwiczenie jest częścią kursu
Inżynieria cech w R
Instrukcje do ćwiczenia
- Dodaj transformację wielomianową do wszystkich numerycznych zmiennych predykcyjnych.
- Dopasuj workflow do danych treningowych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
lr_recipe_poly <-
recipe(Attrition ~., data = train) %>%
# Add a polynomial transformation to all numeric predictors
___
lr_workflow_poly <- workflow() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe_poly)
# Fit workflow to the train data
lr_fit_poly <- ___ %>% fit(train)
lr_aug_poly <- lr_fit_poly %>% augment(test)
lr_aug_poly %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)