Začněte nyníZačněte zdarma

Ruční regularizace pomocí Lasso

Dataset attrition obsahuje 30 proměnných. HR oddělení tě žádá o vytvoření modelu, který bude snadno interpretovatelný a snadno udržovatelný. Konkrétně chtějí snížit počet příznaků tak, aby byl model co nejpřehlednější.

V tomto cvičení použiješ Lasso k automatickému snížení počtu proměnných v modelu. V tomto prvním pokusu zadáš penalizaci ručně a sleduj, jak se model chová.

Data train a test a základní recipe jsou již načteny.

Toto cvičení je součástí kurzu

Feature Engineering v R

Zobrazit kurz

Pokyny k cvičení

  • Nastav svůj model logistické regrese tak, aby používal engine glmnet.
  • Nastav argumenty pro spuštění Lasso s penalizací 0,06.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

model_lasso_manual <- logistic_reg() %>%

# Set the glmnet engine for your logistic regression model
  ___(___) %>%

# Set arguments to run Lasso with a penalty of 0.06
  set_args(mixture = ___, ___ = ___)

workflow_lasso_manual <- workflow() %>%
  add_model(model_lasso_manual) %>%
  add_recipe(recipe)

fit_lasso_manual <- workflow_lasso_manual %>% 
  fit(train)

tidy(fit_lasso_manual)
Upravit a spustit kód