完整建模工作流
在本练习中,您将使用 last_fit() 函数训练一个逻辑回归模型,并通过评估 ROC 曲线及其下面积(AUC)在测试数据上的表现。
与之前的练习类似,您将预测 telecom_df 数据中的 canceled_service,但会加入一个额外的自变量,以观察模型性能是否有所提升。
来自前面练习的 telecom_df tibble、telecom_split 和 logistic_model 对象已加载到您的工作区。telecom_split 对象包含将 telecom_df tibble 随机拆分为训练集和测试集的指令。logistic_model 对象是一个 parsnip 的逻辑回归模型规范。
本练习是课程的一部分
在 R 中使用 tidymodels 建模
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Train a logistic regression model
logistic_fit <- ___ %>%
last_fit(___,
split = ___)