การกำหนดโมเดลขั้นสุดท้าย
ถึงเวลานำผลลัพธ์จากการ tune มาใช้งานจริง และแสดงให้ทีม Human Resources เห็นแล้ว กำหนดโมเดลขั้นสุดท้ายด้วยค่า penalty ที่เหมาะสมที่สุด แล้วตรวจดูว่าผลลัพธ์เป็นไปตามที่คาดหวังหรือไม่ ผลลัพธ์ถูกโหลดไว้แล้ว และฟังก์ชันที่ผู้ใช้กำหนดเอง class_evaluate() พร้อมใช้งานใน environment ของคุณ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Feature Engineering in R
คำแนะนำการฝึกหัด
- เลือกค่า penalty ที่เหมาะสมที่สุดสำหรับ Lasso
- Fit โมเดลขั้นสุดท้ายโดยใช้ค่า penalty ที่เหมาะสมที่สุด
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Select the optimal penalty for the Lasso
best_penalty <- ___(tune_output, metric = 'roc_auc', desc(penalty))
best_penalty
# Fit a final model using the optimal penalty
final_fit <- ___(workflow_lasso_tuned, best_penalty) %>%
fit(data = train)
final_fit %>% tidy()
final_fit %>% augment(test) %>% class_evaluate(truth = Attrition,
estimate = .pred_class,
.pred_Yes)