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.
To ćwiczenie jest częścią kursu
Modelowanie z tidymodels w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Train a logistic regression model
logistic_fit <- ___ %>%
last_fit(___,
split = ___)