评估 UMAP 决策树模型

在上一个练习中，您已创建工作流来应用 UMAP 并构建决策树模型。现在请使用训练数据拟合该模型，并将其性能与未降维的决策树模型进行比较。由于目标变量 credit_score 是分类型，您将使用 f_meas() 来评估模型表现。未降维模型及其在测试集上的预测分别存储在 dt_fit 和 predict_df 中。您创建的 UMAP 工作流为 umap_dt_workflow。同时已为您提供 train 和 test 集。

已为您加载 tidyverse、tidymodels 和 embed 包。

本练习是课程的一部分

R 中的降维

查看课程

练习说明

使用 f_meas 评估未降维 dt_fit 的性能。
使用 umap_dt_workflow 拟合 UMAP 降维后的模型。
为降维后的 UMAP 模型创建测试集预测数据框。
使用 f_meas 评估降维后的 umap_dt_fit 的性能。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Evaluate the unreduced decision tree model performance
___(___, ___, ___)

# Fit the UMAP decision tree model
umap_dt_fit <- ___ %>% 
  fit(___ = ___)

# Create test set prediction data frame for the UMAP model
predict_umap_df <- ___ %>% 
  ___(predict = ___(___, ___))

# Calculate F1 performance of the UMAP model
___(___, ___, ___)

编辑并运行代码