1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. Giảm Chiều Dữ Liệu với R
Connected

Exercises

Đánh giá mô hình cây quyết định với UMAP

Trong bài trước, bạn đã tạo một workflow để áp dụng UMAP và xây dựng mô hình cây quyết định. Giờ là lúc huấn luyện mô hình bằng dữ liệu huấn luyện đó và so sánh hiệu năng của nó với mô hình cây quyết định không giảm chiều. Vì biến đích credit_score là biến phân loại, bạn sẽ dùng f_meas() để đánh giá hiệu năng các mô hình. Mô hình không giảm chiều và các dự đoán trên tập kiểm tra của nó lần lượt được lưu trong dt_fit và predict_df. Workflow UMAP bạn đã tạo nằm trong umap_dt_workflow. Các tập train và test cũng đã được cung cấp.

Các gói tidyverse, tidymodels, và embed đã được nạp sẵn cho bạn.

คำแนะนำ

100 XP
  • Dùng f_meas để đánh giá hiệu năng của dt_fit (mô hình không giảm chiều).
  • Huấn luyện mô hình đã giảm chiều bằng UMAP với umap_dt_workflow.
  • Tạo data frame dự đoán trên tập kiểm tra cho mô hình UMAP đã giảm chiều.
  • Dùng f_meas để đánh giá hiệu năng của umap_dt_fit đã giảm chiều.