НачатьНачать бесплатно

step_poly()

Теперь, когда у вас есть базовый результат, можно оценить, как изменится качество модели после добавления полиномиального преобразования ко всем числовым значениям.

Данные attrition_num, модель логистической регрессии lr_model, пользовательская функция class-evaluate(), а также разбивки train и test уже загружены.

Это упражнение является частью курса

Конструирование признаков в R

Посмотреть курс

Инструкции к упражнению

  • Добавьте полиномиальное преобразование ко всем числовым предикторам.
  • Обучите рабочий процесс на обучающих данных.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

lr_recipe_poly <- 
  recipe(Attrition ~., data = train) %>%

# Add a polynomial transformation to all numeric predictors
  ___

lr_workflow_poly <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_poly)

# Fit workflow to the train data
lr_fit_poly <- ___ %>% fit(train)
lr_aug_poly <- lr_fit_poly %>% augment(test)
lr_aug_poly %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)
Редактировать и запускать код