拟合、探索并评估模型

一旦使用配方和模型定义了工作流，您就可以将数据拟合到该工作流中。此步骤使用训练数据集完成。随后使用测试集对训练好的模型进行评估。在本例中，目标变量是分类变量，并且您使用的是逻辑回归模型。因此，您将使用 F 值来评估测试集上的预测表现。来自上一个练习的 feature_selection_recipe、lr_model、attrition_wflow、train 和 test 已可供您使用。

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

使用训练数据拟合 attrition_wflow。
将测试集的预测结果添加回含有原始 Attrition 值的测试数据中。
使用 f_meas() 评估模型在测试数据上的表现。
显示 attrition_fit 的模型估计。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Fit workflow to train data
attrition_fit <- 
  ___ %>% ___(___ = ___)

# Add the test predictions to the test data
attrition_pred_df <- ___(___, ___) %>% 
  bind_cols(___ %>% select(___))

# Evaluate F score
___(___, ___, ___)

# Display model estimates
___(___)

编辑并运行代码