Vilken är den viktigaste prediktorn?
Du har fått en utmärkt prediktion – men vilka variabler bidrog mest? Hur kan du förstå modellen bortom de råa resultaten? Maskininlärningsmodeller kritiseras ofta för att vara svåra att tolka. Rankningar av variabelvikt ger däremot viss inblick i hur relevanta dina valda särdrag är i förhållande till utfallet. Låt oss därför undersöka variabelvikten och se vad den berättar.
Den här övningen är en del av kursen
Feature Engineering i R
Övningsinstruktioner
- Skapa ett diagram över variabelvikt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
lr_fit <- lr_workflow %>%
fit(test)
lr_aug <- lr_fit %>%
augment(test)
lr_aug %>% class_evaluate(truth = Attrition,
estimate = .pred_class,
.pred_No)
# Create a variable importance chart
lr_fit %>%
extract_fit_parsnip() %>%
___(aesthetics = list(fill = "steelblue"), num_features = 5)