Träna modellen
En modellspecifikation är en bra start – ungefär som duken för en målare. Men precis som målaren behöver färg, behöver specifikationen data. Det är först den färdiga modellen som kan göra förutsägelser:
Modellspecifikation + data = modell
I den här övningen tränar du ett beslutsträd som modellerar diabetesrisken med hjälp av hälsovariabler som prediktorer. Responsvariabeln outcome anger om patienten har diabetes eller inte, vilket innebär att det här är ett binärt klassificeringsproblem (det finns bara två klasser). Datamängden innehåller också hälsovariabler för patienterna, som blood_pressure, age och bmi.
Under resten av kursen kommer paketet tidymodels alltid att vara förinstallerat. I den här övningen finns även datamängden diabetes tillgänglig i din arbetsmiljö.
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i R
Övningsinstruktioner
- Skapa
tree_spec, en specifikation för ett beslutsträd med enrpart-motor. - Träna en modell,
tree_model_bmi, däroutcomeenbart beror på prediktornbmigenom att anpassa datamängdendiabetestill specifikationen. - Skriv ut modellen i konsolen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create the specification
tree_spec <- ___() %>%
___("rpart") %>%
___
# Train the model
tree_model_bmi <- tree_spec %>%
___
# Print the model
___