開始使用免費開始

完成建模工作流程

在這個練習中,你會使用 last_fit() 函式來訓練邏輯迴歸模型,並透過評估 ROC 曲線與 ROC 曲線下面積(AUC)來衡量其在測試資料上的表現。

和前面的練習類似,你會在 telecom_df 資料中預測 canceled_service,但會多加入一個預測變數,看看是否能提升模型表現。

來自前一個練習的 telecom_df tibble、telecom_splitlogistic_model 物件已載入到你的工作環境。telecom_split 物件包含將 telecom_df tibble 隨機切分為訓練集與測試集的設定。logistic_model 物件是用 parsnip 指定的邏輯迴歸模型規格。

本練習屬於課程

在 R 中使用 tidymodels 建立模型

檢視課程

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。

# Train a logistic regression model
logistic_fit <- ___ %>% 
  last_fit(___, 
           split = ___)
編輯並執行程式碼