НачатьНачать бесплатно

Анализ важности переменных

Набор данных attrition содержит 839 наблюдений и 30 предикторов для целевой переменной «Attrition». Вас интересует компромисс между производительностью модели, использующей все доступные предикторы, и сокращённой моделью на основе нескольких информативных переменных.

В этом упражнении вы обучите модель и изучите важность переменных в полученной модели. В следующем упражнении вы сравните производительность этой модели с производительностью сокращённой модели.

В вашей среде доступны разбивки train и test, пакет vip(), а также заранее объявленная логистическая регрессия model.

Это упражнение является частью курса

Конструирование признаков в R

Посмотреть курс

Инструкции к упражнению

  • Создайте рецепт, моделирующий Attrition с использованием всех предикторов.
  • Обучите рабочий процесс на обучающих данных.
  • Используйте объект fit_full, чтобы построить график важности признаков модели.
  • Перед вызовом vip() примените функцию extract_fit_parsnip(), чтобы передать ей необходимую информацию.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
Редактировать и запускать код