沿著網格調參
建立調參網格與 dummy 規格之後，你需要在每個網格點訓練模型，並評估得到的模型。
在 tidymodels 架構下，使用投影片介紹過的 tune_grid() 就能非常輕鬆地完成。
在接下來的練習中，你會使用「信用卡客戶資料集」，其中包含以下欄位：
still_customer：標記（yes 或 no），指出客戶是否仍為活躍客戶total_trans_amt：交易總金額（單位：USD）customer_age：客戶年齡income_category：以 $60K - $80K 或 Less than $40K 這類標籤表示年度收入區間- ……以及另外 16 個欄位。
你可以在主控台檢視 customers tibble！前一題的結果 tree_grid 與 tune_spec 仍已載入。
本練習屬於課程
R 的樹狀模型機器學習
練習說明
- 對資料集建立 3 個交叉驗證摺疊，並將結果存為
folds。 - 建立
tune_results：沿著網格對規格進行調參，使用所有預測變數來預測still_customer，以你的 CV 摺疊作為重抽樣，並使用metric_set(accuracy)。 - 使用
autoplot()繪製調參結果。
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。
set.seed(275)
# Create CV folds of the customers tibble
folds <- ___
# Tune along the grid
tune_results <- tune_grid(___,
___,
resamples = ___,
grid = ___,
metrics = ___)
# Plot the tuning results
___(tune_results)