Träna och utvärdera modellen
Nu när du har hanterat saknade värden och skapat dummyvariabler är det dags att utvärdera modellens prestanda!
Datamängden attrition, tillsammans med test- och train-uppdelningarna, lr_recipe och din deklarerade logistic_model(), är redan inlästa åt dig.
Den här övningen är en del av kursen
Feature Engineering i R
Övningsinstruktioner
- Samla modellen och receptet i ett workflow.
- Träna workflowen på träningsdatan.
- Generera en utökad dataram för prestandabedömning.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Bundle model and recipe in workflow
lr_workflow <- ___() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe)
# Fit workflow to the train data
lr_fit <- ___(lr_workflow, data = train)
# Generate an augmented data frame for performance assessment
lr_aug <- lr_fit %>% ___(test)
lr_aug %>% roc_curve(truth = Attrition, .pred_No) %>% autoplot()
bind_rows(lr_aug %>% roc_auc(truth = Attrition, .pred_No),
lr_aug %>% accuracy(truth = Attrition, .pred_class))