Łączenie wyników na zbiorze testowym
Ocena wydajności modelu na zbiorze testowym pozwala sprawdzić, jak dobrze model radzi sobie z nowymi danymi. Te informacje pomogą ci pokazać, jaką wartość wnosi model w rozwiązywaniu problemów i wspieraniu podejmowania decyzji.
Zanim obliczysz metryki klasyfikacji, takie jak czułość czy swoistość, musisz utworzyć tibble z wynikami zawierający kolumny wymagane przez funkcje metryczne pakietu yardstick.
W tym ćwiczeniu użyjesz wytrenowanego modelu, aby przewidzieć wartości zmiennej docelowej w zbiorze telecom_test, a następnie połączysz je z rzeczywistymi wartościami z kolumny canceled_service.
Wytrenowany model logistic_fit oraz zbiór testowy telecom_test zostały wczytane z poprzedniego ćwiczenia.
To ćwiczenie jest częścią kursu
Modelowanie z tidymodels w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Predict outcome categories
class_preds <- predict(___, new_data = ___,
type = ___)