Utforska loans-datamängden
Paketet workflows gör det möjligt att kombinera parsnip-modeller och recipe-objekt i ett och samma workflow-objekt. Det förenklar hanteringen av maskininlärningsprojekt avsevärt och gör att du slipper hålla reda på flera separata modelleringsobjekt.
I den här övningen arbetar du med datamängden loans_df, som innehåller finansiell information om konsumentlån på en bank. Utfallsvariabeln i dessa data är loan_default.
Du ska skapa ett beslutsträdsobjekt och specificera en pipeline för särdragsbearbetning av lånedatan. Tibble:n loans_df har redan lästs in i din session.
Den här övningen är en del av kursen
Modellering med tidymodels i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create data split object
loans_split <- ___(___,
strata = ___)
# Build training data
loans_training <- ___ %>%
___
# Build test data
loans_test <- ___ %>%
___