ÎncepețiÎncepe gratuit

Reglaj pe grilă

După ce ai creat grila de reglaj și o specificație de tip dummy, trebuie să antrenezi un model pentru fiecare punct din grilă și să evaluezi modelul rezultat. În cadrul tidymodels, acest lucru este foarte simplu datorită funcției tune_grid(), prezentată în slide-uri.

În exercițiile rămase, vei folosi setul de date cu clienți ai cardurilor de credit, care conține următoarele coloane:

  • still_customer: indicator (yes sau no) care arată dacă un client este încă activ
  • total_trans_amt: suma totală a tranzacțiilor în USD
  • customer_age: vârsta clientului
  • income_category: etichete precum $60K - $80K sau Less than $40K care indică categoria de venit anual
  • … și încă 16 coloane.

Poți inspecta oricând tibble-ul customers în consolă! Rezultatele exercițiului anterior, tree_grid și tune_spec, sunt deja încărcate.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează trei fold-uri de validare încrucișată din setul tău de date și salvează-le ca folds.
  • Creează tune_results reglând specificația pe grilă, folosind toți predictorii pentru a prezice still_customer, fold-urile CV ca reanalizate și metric_set(accuracy).
  • Folosește autoplot() pentru a reprezenta grafic rezultatele reglajului.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

set.seed(275)

# Create CV folds of the customers tibble
folds <- ___

# Tune along the grid
tune_results <- tune_grid(___, 
                          ___,
                          resamples = ___,
                          grid = ___,
                          metrics = ___)

# Plot the tuning results
___(tune_results)
Editează și rulează codul