ตัวทำนายหลักคืออะไร?
ได้ผลการพยากรณ์ที่ดีแล้ว แต่ตัวทำนายหลักคืออะไร? จะทำความเข้าใจโมเดลให้ลึกกว่าแค่ผลลัพธ์ดิบได้อย่างไร? โมเดล machine learning มักถูกวิจารณ์เรื่องความยากในการตีความ อย่างไรก็ตาม การจัดอันดับความสำคัญของตัวแปร (variable importance) ช่วยให้เห็นภาพได้ชัดขึ้นว่าฟีเจอร์ที่เลือกมามีความเกี่ยวข้องกับผลลัพธ์มากน้อยแค่ไหน มาลองสำรวจความสำคัญของตัวแปรกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Feature Engineering in R
คำแนะนำการฝึกหัด
- สร้างแผนภูมิความสำคัญของตัวแปร
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
lr_fit <- lr_workflow %>%
fit(test)
lr_aug <- lr_fit %>%
augment(test)
lr_aug %>% class_evaluate(truth = Attrition,
estimate = .pred_class,
.pred_No)
# Create a variable importance chart
lr_fit %>%
extract_fit_parsnip() %>%
___(aesthetics = list(fill = "steelblue"), num_features = 5)