Trénování glmnet s vlastním trainControl

Teď, když máš vlastní objekt trainControl, natrénuj model glmnet na datasetu „don't overfit". Připomeň si z videa, že glmnet je rozšíření zobecněného lineárního regresního modelu (neboli glm), které omezuje velikost koeficientů, aby zabránilo přetrénování. Tato technika se běžně označuje jako „penalizovaná" regrese a je velmi užitečná u datasetů s mnoha prediktory a malým počtem hodnot.

glmnet umožňuje trénovat dva různé druhy penalizovaných modelů, které se ovládají parametrem alpha:

Ridge regrese (neboli alpha = 0)
Lasso regrese (neboli alpha = 1)

Nyní natrénuješ model glmnet na datasetu „don't overfit" s výchozím nastavením balíčku caret.

Toto cvičení je součástí kurzu

Machine Learning s balíčkem caret v R

Zobrazit kurz

Pokyny k cvičení

Natrénuj model glmnet s názvem model na datech overfit. Použij vlastní trainControl z předchozího cvičení (myControl). Proměnná y je cílová proměnná a všechny ostatní proměnné jsou vysvětlující.
Vypiš model do konzole.
Pomocí funkce max() najdi maximální hodnotu statistiky ROC uloženou někde v model[["results"]].

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit glmnet model: model
model <- train(
  ___, 
  ___,
  method = "glmnet",
  trControl = ___
)

# Print model to console


# Print maximum ROC statistic

Upravit a spustit kód