Kom igångKom igång gratis

Utforska variabelns betydelse

Datamängden attrition innehåller 839 observationer och 30 prediktorvariabler för "Attrition". Målet är att undersöka avvägningen mellan prestandan hos en modell som använder alla tillgängliga prediktorvariabler och en reducerad modell baserad på ett fåtal informativa variabler.

I den här övningen anpassar du en modell och granskar variabelns betydelse i den anpassade modellen. I nästa övning utvärderar du modellprestandan och jämför den med en reducerad modell.

Uppdelningarna train och test samt paketet vip() finns tillgängliga i din miljö tillsammans med en fördefinierad logistisk regressionsmodell, model.

Den här övningen är en del av kursen

Feature Engineering i R

Visa kurs

Övningsinstruktioner

  • Skapa ett recept som modellerar Attrition med hjälp av alla prediktorvariabler.
  • Anpassa arbetsflödet till träningsdata.
  • Använd objektet fit_full för att visualisera variabelns betydelse i din modell.
  • Tillämpa funktionen extract_fit_parsnip() före vip() för att skicka in den information som behövs.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
Redigera och kör kod