เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คัดกรองความสำคัญของตัวแปร

ชุดข้อมูล attrition ประกอบด้วย 839 การสังเกตและตัวพยากรณ์ 30 ตัวสำหรับ "Attrition" เป้าหมายคือสำรวจความสัมพันธ์ระหว่างประสิทธิภาพของโมเดลที่ใช้ตัวพยากรณ์ทั้งหมดกับโมเดลที่ลดขนาดลงโดยใช้เพียงตัวแปรที่ให้ข้อมูลสำคัญ

ในแบบฝึกหัดนี้ จะฝึกโมเดลและดูความสำคัญของตัวแปรในโมเดลที่ฝึกแล้ว จากนั้นในแบบฝึกหัดถัดไป จะประเมินประสิทธิภาพของโมเดลนี้เทียบกับโมเดลที่ลดตัวแปรลง

การแบ่งข้อมูล train และ test รวมถึงแพ็กเกจ vip() พร้อมใช้งานในสภาพแวดล้อมของคุณ พร้อมกับโมเดล logistic regression ที่ประกาศไว้ล่วงหน้าชื่อ model

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง recipe ที่โมเดล Attrition โดยใช้ตัวพยากรณ์ทั้งหมด
  • ฝึก workflow กับข้อมูลชุด training
  • ใช้ออบเจกต์ fit_full เพื่อสร้างกราฟความสำคัญของตัวแปรในโมเดล
  • เรียกใช้ฟังก์ชัน extract_fit_parsnip() ก่อน vip() เพื่อส่งข้อมูลที่จำเป็นให้กับฟังก์ชัน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
แก้ไขและรันโค้ด