เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

step_poly()

เมื่อมี baseline แล้ว ลองเปรียบเทียบประสิทธิภาพของโมเดลโดยเพิ่มการแปลงแบบพหุนามให้กับค่าตัวเลขทั้งหมด

ข้อมูล attrition_num โมเดล logistic regression lr_model ฟังก์ชัน class-evaluate() ที่กำหนดไว้แล้ว รวมถึงชุดข้อมูล train และ test ได้ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เพิ่มการแปลงแบบพหุนามให้กับตัวทำนายที่เป็นตัวเลขทั้งหมด
  • Fit workflow กับข้อมูล train

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

lr_recipe_poly <- 
  recipe(Attrition ~., data = train) %>%

# Add a polynomial transformation to all numeric predictors
  ___

lr_workflow_poly <- workflow() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe_poly)

# Fit workflow to the train data
lr_fit_poly <- ___ %>% fit(train)
lr_aug_poly <- lr_fit_poly %>% augment(test)
lr_aug_poly %>% class_evaluate(truth = Attrition, estimate = .pred_class,.pred_No)
แก้ไขและรันโค้ด