单个模型的预测
要计算分类模型的性能，您需要将实际的 Attrition 与模型预测的结果进行比较。
在计算二元分类任务的指标（如查准率 precision 和查全率 recall）时，实际值和预测值都必须转换为二元值。
本练习将以第一次交叉验证折的模型和验证数据框为例，带您学习如何准备这些向量。
本练习是课程的一部分
Tidyverse 中的机器学习
练习说明
- 从交叉验证的第 1 个折中提取
model和validate数据框。 - 从
validate数据框中提取Attrition列，并将其值转换为二元（TRUE/FALSE）。 - 使用
model为validate数据框预测离职的概率。 - 将预测的概率转换为二元向量，假设所有大于
0.5的概率为 TRUE。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___