單一模型的預測
若要計算分類模型的效能，你需要將實際的 Attrition 值與模型的預測進行比較。
在為二元分類任務（例如 precision 與 recall）計算評估指標時，實際與預測向量都必須先轉換為「二元」值。
在這個練習中，你會學到如何使用第一次交叉驗證折的模型與驗證資料框，將這些向量整理成所需的格式。
本練習屬於課程
Tidyverse 的 Machine Learning
練習說明
- 從交叉驗證的第一個折中提取
model與validate資料框。 - 從
validate資料框提取Attrition欄位，並將其值轉換為二元（TRUE/FALSE）。 - 使用
model對validate資料框預測離職機率。 - 將預測機率轉換為二元向量，假設所有大於
0.5的機率為 TRUE。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___