Anpassa, utforska och utvärdera modellen

När du har definierat ett arbetsflöde med ett recept och en modell kan du anpassa data till arbetsflödet. Det görs med träningsdatamängden. Den tränade modellen utvärderas sedan med testmängden. I det här exemplet är målvariabeln kategorisk och du använder en logistisk regressionsmodell. Därför utvärderar du testförutsägelserna med F-måttet. feature_selection_recipe, lr_model, attrition_wflow, train och test från föregående övning finns tillgängliga.

Paketen tidyverse och tidymodels har redan laddats in.

Den här övningen är en del av kursen

Dimensionsreduktion i R

Visa kurs

Övningsinstruktioner

Anpassa attrition_wflow med träningsdata.
Lägg till testförutsägelserna i testdatan tillsammans med de ursprungliga Attrition-värdena.
Använd f_meas() för att utvärdera modellens prestanda på testdatan.
Visa modellens estimat från attrition_fit.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Fit workflow to train data
attrition_fit <- 
  ___ %>% ___(___ = ___)

# Add the test predictions to the test data
attrition_pred_df <- ___(___, ___) %>% 
  bind_cols(___ %>% select(___))

# Evaluate F score
___(___, ___, ___)

# Display model estimates
___(___)

Redigera och kör kod