Создание рабочего процесса

Продолжая исследовать отток сотрудников, логично построить модель, которая использует все доступные предикторы в надежде получить максимально точный прогноз. Посмотрим, что из этого выйдет.

Это упражнение является частью курса

Конструирование признаков в R

Посмотреть курс

Инструкции к упражнению

Создайте рецепт для прогнозирования Attrition на основе всех признаков.
Объедините модель и рецепт в рабочий процесс.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

lr_model <- logistic_reg()

# Create a recipe to predict Attrition based on all features
lr_recipe <- 
  recipe(___, 
         data = train) 

# Bundle the model and recipe in a workflow
lr_workflow <- 
  workflow() %>%
  add_model(lr_model) %>%
  ___(lr_recipe)

lr_workflow

Редактировать и запускать код

Конструирование признаков в R

SkillTag.level.intermediateSkillTag.label

4.8+

150 reviews

В завершение курса вы познакомитесь с техниками конструирования признаков в контексте машинного обучения. Сначала вы сосредоточитесь на проблемах, возникающих при использовании всех доступных признаков в модели, а также на важности выявления нерелевантных и избыточных признаков и их удаления с помощью встроенных методов — lasso и elastic-net. Затем вы изучите методы регуляризации: lasso, ridge и elastic-net, которые позволяют регуляризировать веса признаков или выполнять их отбор, обнуляя соответствующие коэффициенты. В финале вы сосредоточитесь на построении сквозного рабочего процесса конструирования признаков, повторите и закрепите изученные концепции и функции в небольшом проекте.

Exercise 1: Сокращение признаков модели Exercise 2: Анализ важности переменных Exercise 3: Оценка производительности модели с использованием всех доступных предикторов Exercise 4: Построение сокращённой модели Exercise 5: Методы сжатия Exercise 6: Ручная регуляризация с помощью Lasso Exercise 7: Настройка штрафного параметра Exercise 8: Финализация модели Exercise 9: Собираем всё воедино Exercise 10: Подготовка и разбиение Exercise 11: Предобработка Exercise 12: Модель Exercise 13: Оценка Exercise 14: Поздравляем!