UMAP-reduktion i en beslutsträdsmodell
Nu när du har visualiserat en UMAP-reduktion är det dags att använda UMAP i modellbygget. I den här övningen skapar du ett arbetsflöde som tillämpar UMAP i ett förbehandlingsrecept på kreditdata och sedan använder de extraherade komponenterna för att bygga en beslutsträdsmodell. Datamängderna train och test för kreditdata finns redan tillgängliga. Biblioteket embed är redan inläst.
Den här övningen är en del av kursen
Dimensionsreduktion i R
Övningsinstruktioner
- Skapa ett recept som tillämpar en UMAP-reduktion på data och resulterar i fyra extraherade komponenter.
- Skapa en
decision_tree-modell för klassificering. - Lägg till UMAP-receptet och beslutsträdsmodellen i ett arbetsflöde.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a recipe to apply UMAP feature extraction
umap_recipe <- recipe(___ ~ ___, data = ___) %>%
___(___()) %>%
___(___(), outcome = vars(___), num_comp = ___)
# Specify a decision tree model
umap_dt_model <- ___(___ = "___")
# Add the recipe and model to a workflow
umap_dt_workflow <- ___() %>%
add_recipe(___) %>%
add_model(___)
umap_dt_workflow