创建配方-模型工作流

tidymodels 包可以将配方和模型组合成工作流。工作流便于创建包含数据准备与模型训练的一系列步骤的流水线。之后，工作流可以方便地应用到新数据上，而无需重新定义全部的预处理和建模步骤。更方便的是，工作流提供 fit() 函数，可同时将配方和模型拟合到数据。

在本练习中，您将练习创建一个配方和一个模型，并将它们添加到一个工作流中，使其可直接对数据进行拟合。员工医疗保健离职数据的 train 集和 test 集已提供给您。目标变量为 Attrition。

已为您加载 tidyverse 和 tidymodels 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 train 数据定义一个配方，包含 step_filter_missing()、step_scale() 和 step_nzv()，分别用于删除 NA、对数值型特征进行缩放，并移除低方差特征。对 step_filter_missing() 使用阈值 0.5。
使用 "glm" 引擎定义一个逻辑回归模型。
将 feature_selection_recipe 和 lr_model 添加到名为 attrition_wflow 的工作流中。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create recipe
feature_selection_recipe <- 
  ___(___ ~ ., data = ___) %>% 
  ___(___(), threshold = 0.5) %>% 
  ___(___()) %>% 
  ___(___()) %>% 
  prep()
  
# Create model
lr_model <- ___() %>% 
  ___("___")

# Add recipe and model to a workflow
attrition_wflow <- ___() %>% 
  ___(___) %>% 
  ___(___)

编辑并运行代码