Evaluează modelul de arbore de decizie cu UMAP

În exercițiul anterior, ai creat un workflow pentru a aplica UMAP și a construi un model de arbore de decizie. Acum este momentul să antrenezi modelul folosind datele de antrenament și să îi compari performanța cu cea a modelului de arbore de decizie neredus. Deoarece variabila țintă credit_score este categorială, vei folosi f_meas() pentru a evalua performanța modelelor. Modelul neredus și predicțiile sale pe setul de testare sunt stocate în dt_fit, respectiv predict_df. Workflow-ul UMAP pe care l-ai creat se află în umap_dt_workflow. Seturile train și test sunt deja disponibile.

Pachetele tidyverse, tidymodels și embed au fost încărcate pentru tine.

Acest exercițiu face parte din cursul

Reducerea dimensionalității în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește f_meas pentru a evalua performanța modelului neredus dt_fit.
Antrenează modelul redus cu UMAP folosind umap_dt_workflow.
Creează setul de date cu predicțiile pe setul de testare pentru modelul redus cu UMAP.
Folosește f_meas pentru a evalua performanța modelului redus umap_dt_fit.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Evaluate the unreduced decision tree model performance
___(___, ___, ___)

# Fit the UMAP decision tree model
umap_dt_fit <- ___ %>% 
  fit(___ = ___)

# Create test set prediction data frame for the UMAP model
predict_umap_df <- ___ %>% 
  ___(predict = ___(___, ___))

# Calculate F1 performance of the UMAP model
___(___, ___, ___)

Editează și rulează codul