构建最终分类模型
比较逻辑回归模型（0.4）与最佳随机森林模型（0.2）的召回率后，您已经知道逻辑回归模型表现更好。在本练习中，您将使用全部训练数据来构建该逻辑回归模型，并准备用于评估该模型测试表现所需的向量。
本练习是课程的一部分
Tidyverse 中的机器学习
练习说明
- 使用
training_data中的所有可用特征，构建以Attrition为目标的逻辑回归模型。 - 准备测试集真实取值的二元向量
test_actual。 - 准备预测结果的二元向量：当预测概率大于 0.5 时记为
TRUE，并将其保存为test_predicted。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build the logistic regression model using all training data
best_model <- glm(formula = ___,
data = ___, family = "binomial")
# Prepare binary vector of actual Attrition values for testing_data
test_actual <- testing_data$___ == "___"
# Prepare binary vector of predicted Attrition values for testing_data
test_predicted <- predict(___, ___, type = "response") > ___