การทำนายด้วยโมเดลเดี่ยว

ในการวัดประสิทธิภาพของโมเดล classification จำเป็นต้องเปรียบเทียบค่าจริงของ Attrition กับค่าที่โมเดลทำนายไว้ เมื่อคำนวณ metric สำหรับงาน binary classification (เช่น precision และ recall) เวกเตอร์ค่าจริงและค่าทำนายจะต้องถูกแปลงให้เป็นค่า binary ก่อน

ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้วิธีเตรียมเวกเตอร์เหล่านี้ โดยใช้ data frame model และ validate จาก fold แรกของ cross-validation เป็นตัวอย่าง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ใน Tidyverse

ดูคอร์ส

คำแนะนำการฝึกหัด

ดึงข้อมูล model และ data frame validate จาก fold แรกของ cross-validation
ดึงคอลัมน์ Attrition จาก data frame validate แล้วแปลงค่าให้เป็น binary (TRUE/FALSE)
ใช้ model เพื่อทำนายค่าความน่าจะเป็นของการลาออกสำหรับ data frame validate
แปลงค่าความน่าจะเป็นที่ทำนายได้ให้เป็นเวกเตอร์ binary โดยกำหนดให้ค่าความน่าจะเป็นที่มากกว่า 0.5 เป็น TRUE

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Extract the first model and validate 
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]

# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"

# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")

# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___

แก้ไขและรันโค้ด