НачатьНачать бесплатно

Обучение и оценка модели

Теперь, когда вы устранили пропущенные значения и создали фиктивные переменные, пора оценить качество модели!

Набор данных attrition, а также разбивки test и train, объект lr_recipe и объявленная logistic_model() уже загружены для вас.

Это упражнение является частью курса

Конструирование признаков в R

Посмотреть курс

Инструкции к упражнению

  • Объедините модель и рецепт в workflow.
  • Обучите workflow на обучающих данных.
  • Сформируйте расширенный датафрейм для оценки качества модели.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

# Fit workflow to the train data
lr_fit <- ___(lr_workflow, data = train)

# Generate an augmented data frame for performance assessment
lr_aug <- lr_fit %>% ___(test)

lr_aug %>% roc_curve(truth = Attrition, .pred_No) %>% autoplot()
bind_rows(lr_aug %>% roc_auc(truth = Attrition, .pred_No),          
          lr_aug %>% accuracy(truth = Attrition, .pred_class))
Редактировать и запускать код