Construir modelo final de classificação

Comparando o desempenho de recall entre o modelo de regressão logística (0,4) e o melhor modelo de random forest (0,2), você viu que o modelo com melhor desempenho é o de regressão logística. Neste exercício, você vai construir o modelo de regressão logística usando todos os dados de treino e preparar os vetores necessários para avaliar o desempenho deste modelo nos dados de teste.

Este exercicio faz parte do curso

Machine Learning no tidyverse

Ver curso

Instruções do exercicio

Construa um modelo de regressão logística prevendo Attrition usando todos os recursos disponíveis em training_data.
Prepare o vetor binário de valores reais de teste, test_actual.
Prepare o vetor binário de valores previstos em que uma probabilidade maior que 0,5 indica TRUE e armazene-o como test_predicted.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Build the logistic regression model using all training data
best_model <- glm(formula = ___, 
                  data = ___, family = "binomial")


# Prepare binary vector of actual Attrition values for testing_data
test_actual <- testing_data$___ == "___"

# Prepare binary vector of predicted Attrition values for testing_data
test_predicted <- predict(___, ___, type = "response") > ___

Editar e Executar Código