ПочатиПочніть безкоштовно

Підгонка та оцінювання моделі

Тепер, коли ви впоралися з пропущеними значеннями та створили дамі-змінні, час оцінити якість вашої моделі!

Набір даних attrition, а також розбиття test і train, рецепт lr_recipe та оголошена вами logistic_model() уже завантажені.

Ця вправа є частиною курсу

Feature Engineering в R

Переглянути курс

Інструкції до вправи

  • Об'єднайте модель і рецепт у workflow.
  • Навчіть workflow на тренувальних даних.
  • Згенеруйте розширений датафрейм для оцінювання продуктивності.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Bundle model and recipe in workflow
lr_workflow <- ___() %>%
  add_model(lr_model) %>%
  add_recipe(lr_recipe)

# Fit workflow to the train data
lr_fit <- ___(lr_workflow, data = train)

# Generate an augmented data frame for performance assessment
lr_aug <- lr_fit %>% ___(test)

lr_aug %>% roc_curve(truth = Attrition, .pred_No) %>% autoplot()
bind_rows(lr_aug %>% roc_auc(truth = Attrition, .pred_No),          
          lr_aug %>% accuracy(truth = Attrition, .pred_class))
Редагувати та запускати код