在前一個練習中，你訓練了一個線性迴歸模型，使用 home_age 和 sqft_living 作為預測變數來預測 selling_price。
home_age
sqft_living
selling_price
你訓練好的模型 lm_fit 已載入到本次工作階段。
lm_fit
將你訓練好的模型物件 lm_fit 傳入合適的函式，以探索模型參數的估計值。
下列哪一項敘述正確？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在本章中，你將探索支撐 tidymodels 的 R 套件生態系，並學習它們如何讓你的機器學習工作流程更順暢。接著，你會把 tidymodels 的技巧派上用場，實作預測華盛頓州西雅圖的房屋成交價格。
當前練習
學習如何透過訓練分類模型來預測類別型輸出。運用你目前所學，預測電信公司客戶取消服務的可能性。
了解如何使用 recipes 套件打造特徵工程的 pipeline。你將整理數值與類別資料，協助機器學習演算法最佳化你的預測。
現在要用工作流程來簡化建模過程，並透過交叉驗證與超參數調校來微調模型。你會學到如何調校決策樹分類模型，以預測銀行客戶是否可能違約其貸款。
