Kom igångKom igång gratis

Utvärdera

Nu är det dags att se resultatet. Finjustera modellen för att hitta det optimala penaltyvärdet och anpassa en slutlig modell för att utvärdera ditt arbete.

Ditt workflow, penalty-grid och den användardefinerade funktionen class_evaluate() finns tillgängliga i din miljö.

Den här övningen är en del av kursen

Feature Engineering i R

Visa kurs

Övningsinstruktioner

  • Konfigurera ett tune_grid för att utforska modellens prestanda mot ROC_AUC.
  • Välj det bästa penaltyvärdet.
  • Anpassa det slutliga workflowet med det bästa penaltyvärdet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set up a tune grid to explore your model performance against roc_auc
lr_tune_output <- ___(lr_workflow, resamples = vfold_cv(train, v = 5),
  metrics = metric_set(roc_auc), grid = lr_penalty_grid)

# Select the best penalty value
best_penalty <- ___(lr_tune_output, metric = 'roc_auc', desc(penalty)) 

# Fit the final workflow with the best penalty
lr_final_fit<- ___(lr_workflow, best_penalty) %>% fit(data = train)

lr_final_fit %>% augment(test) %>% 
class_evaluate(truth = Attrition, estimate = .pred_class, .pred_Yes)
Redigera och kör kod