Prediktioner från en enskild modell

För att beräkna prestandan hos en klassificeringsmodell behöver du jämföra de faktiska värdena för Attrition med de som modellen predikterar. När du beräknar mätvärden för binära klassificeringsuppgifter (till exempel precision och återanrop) måste de faktiska och predikterade vektorerna konverteras till binära värden.

I den här övningen lär du dig att förbereda dessa vektorer med hjälp av modellen och valideringsdataramen från det första korsvalideringsvecket som exempel.

Den här övningen är en del av kursen

Maskininlärning med Tidyverse

Visa kurs

Övningsinstruktioner

Extrahera model och dataramen validate från det första vecket i korsvalideringen.
Extrahera kolumnen Attrition från dataramen validate och konvertera värdena till binära (TRUE/FALSE).
Använd model för att prediktera sannolikheterna för avgång för dataramen validate.
Konvertera de predikterade sannolikheterna till en binär vektor och anta att alla sannolikheter större än 0.5 är TRUE.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Extract the first model and validate 
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]

# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"

# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")

# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___

Redigera och kör kod