ПочатиПочніть безкоштовно

Перебирання важливості змінних

Набір даних attrition містить 839 спостережень і 30 предикторів для «Attrition». Ви хочете дослідити компроміс між продуктивністю моделі, що використовує всі доступні предиктори, і скороченої моделі на основі кількох інформативних змінних.

У цій вправі ви навчите модель і переглянете важливість змінних для цієї навченої моделі. У наступній вправі ви оціните продуктивність моделі, порівнявши цю модель зі скороченою.

Розбиття train і test та пакунок vip() доступні у вашому середовищі, як і попередньо оголошена логістична регресія model.

Ця вправа є частиною курсу

Feature Engineering в R

Переглянути курс

Інструкції до вправи

  • Створіть рецепт, що моделює Attrition, використовуючи всі предиктори.
  • Навчіть workflow на тренувальних даних.
  • Використайте об'єкт fit_full, щоб побудувати графік важливості змінних вашої моделі.
  • Застосуйте функцію extract_fit_parsnip() перед vip(), щоб передати їй потрібну інформацію.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create a recipe that models Attrition using all the predictors
recipe_full <- ___(___, data = train)

workflow_full <- workflow() %>%
  add_model(model) %>%
  add_recipe(recipe_full)

# Fit the workflow to the training data
fit_full <- ___ %>%
  ___(data = train)

# Use the fit_full object to graph the variable importance of your model. Apply extract_fit_parsnip() function before vip()
fit_full %>% ___() %>%
  ___(aesthetics = list(fill = "steelblue"))
Редагувати та запускати код