step_poly()
Nu när du har ett basvärde kan du jämföra modellens prestanda om du lägger till en polynomtransformation på alla numeriska värden.
Data attrition_num, den logistiska regressionsmodellen lr_model, den egendefinerade funktionen class-evaluate() samt uppdelningarna train och test har redan lästs in åt dig.
Den här övningen är en del av kursen
Feature Engineering i R
Övningsinstruktioner
- Lägg till en polynomtransformation på alla numeriska prediktorer.
- Anpassa workflow till träningsdata.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
lr_recipe_poly <-
recipe(Attrition ~., data = train) %>%
# Add a polynomial transformation to all numeric predictors
___
lr_workflow_poly <- workflow() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe_poly)
# Fit workflow to the train data
lr_fit_poly <- ___ %>% fit(train)
lr_aug_poly <- lr_fit_poly %>% augment(test)
lr_aug_poly %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)