Prognozy pojedynczego modelu
Aby ocenić wydajność modelu klasyfikacyjnego, musisz porównać rzeczywiste wartości Attrition z wartościami przewidzianymi przez model.
Przy obliczaniu metryk dla zadań klasyfikacji binarnej (takich jak precyzja i czułość) oba wektory – rzeczywisty i prognozowany – muszą zostać przekonwertowane na wartości binarne.
W tym ćwiczeniu nauczysz się, jak przygotować te wektory, używając jako przykładu ramek danych model i validate z pierwszej fold walidacji krzyżowej.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w tidyverse
Instrukcje do ćwiczenia
- Wyodrębnij ramki danych
modelivalidatez pierwszej fold walidacji krzyżowej. - Wyodrębnij kolumnę
Attritionz ramki danychvalidatei przekonwertuj jej wartości na binarne (TRUE/FALSE). - Użyj
model, aby przewidzieć prawdopodobieństwa odejścia pracownika dla ramki danychvalidate. - Przekonwertuj przewidziane prawdopodobieństwa na wektor binarny – przyjmij, że wszystkie prawdopodobieństwa większe niż
0.5mają wartość TRUE.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___