1. Learn
    2. /
  2. 课程
    3. /
  3. Modelowanie z tidymodels w R
Connected

道练习

Kompletny przepływ pracy z modelem

W tym ćwiczeniu użyjesz funkcji last_fit(), aby wytrenować model regresji logistycznej i ocenić jego działanie na zbiorze testowym – analizując krzywą ROC oraz pole pod tą krzywą.

Podobnie jak w poprzednich ćwiczeniach, będziesz przewidywać zmienną canceled_service w zbiorze danych telecom_df, ale tym razem z dodatkową zmienną predykcyjną, aby sprawdzić, czy uda się poprawić wyniki modelu.

Tibble telecom_df, obiekt telecom_split oraz obiekt logistic_model z poprzednich ćwiczeń zostały wczytane do twojego środowiska pracy. Obiekt telecom_split zawiera instrukcje losowego podziału tibble telecom_df na zbiory treningowy i testowy. Obiekt logistic_model to specyfikacja modelu regresji logistycznej w formacie parsnip.

说明 1 / 共 3 个

undefined XP
    1
    2
    3
  • Wytrenuj model do przewidywania zmiennej canceled_service na podstawie cech avg_call_mins, avg_intl_mins, monthly_charges oraz months_with_company.