Bir tarif-model workflow'u oluştur

tidymodels paketi, tarifleri (recipes) ve modelleri workflow'larda birleştirebilir. Workflow'lar, veriyi hazırlama ve modelleri eğitme adımlarından oluşan bir işlem hattını kolayca kurmanı sağlar. Daha sonra workflow'ları yeni verilere, tüm ön işleme ve model kurma adımlarını yeniden tanımlamaya gerek kalmadan rahatça uygulayabilirsin. Üstelik workflow'ların, hem tarifi hem de modeli veriye uyduran bir fit() fonksiyonu vardır.

Bu egzersizde, bir tarif ve bir model oluşturup bunları bir workflow'a eklemeyi pratik edeceksin; böylece veriye uydurmaya hazır olacaklar. Çalışan sağlık hizmetleri işten ayrılma verisinin train ve test kümeleri kullanımına hazır. Hedef değişken Attrition.

tidyverse ve tidymodels paketleri senin için yüklendi.

Bu egzersiz

R'de Boyutsal Azaltma

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

train verisini kullanarak NAs değerlerini kaldırmak, sayısal özellikleri ölçeklemek ve düşük varyanslı özellikleri kaldırmak için sırasıyla step_filter_missing(), step_scale() ve step_nzv() içeren bir tarif tanımla. step_filter_missing() için eşik olarak 0.5 kullan.
"glm" motorunu kullanan bir lojistik regresyon modeli tanımla.
feature_selection_recipe ve lr_model öğelerini attrition_wflow adlı bir workflow'a ekle.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create recipe
feature_selection_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___(), threshold = 0.5) %>% 
  ___(___()) %>% 
  ___(___()) %>% 
  prep()
  
# Create model
lr_model <- ___() %>% 
  ___("___")

# Add recipe and model to a workflow
attrition_wflow <- ___() %>% 
  ___(___) %>% 
  ___(___)

Kodu Düzenle ve Çalıştır