Giảm chiều bằng UMAP trong mô hình cây quyết định
Giờ bạn đã trực quan hóa phép giảm chiều bằng UMAP, hãy đưa UMAP vào thực tế trong quá trình xây dựng mô hình. Ở bài tập này, bạn sẽ xây dựng một workflow áp dụng UMAP trong bước tiền xử lý (recipe) cho dữ liệu tín dụng, rồi dùng các thành phần đã trích xuất để xây dựng một mô hình cây quyết định. Bộ dữ liệu tín dụng train và test đã được cung cấp cho bạn. Thư viện embed đã được nạp sẵn.
Bài tập này là một phần của khóa học
Giảm Chiều Dữ Liệu với R
Hướng dẫn bài tập
- Tạo một recipe để áp dụng UMAP lên dữ liệu, thu được bốn thành phần trích xuất.
- Tạo một mô hình
decision_treecho bài toán phân loại. - Thêm recipe UMAP và mô hình cây quyết định vào một workflow.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create a recipe to apply UMAP feature extraction
umap_recipe <- recipe(___ ~ ___, data = ___) %>%
___(___()) %>%
___(___(), outcome = vars(___), num_comp = ___)
# Specify a decision tree model
umap_dt_model <- ___(___ = "___")
# Add the recipe and model to a workflow
umap_dt_workflow <- ___() %>%
add_recipe(___) %>%
add_model(___)
umap_dt_workflow