Modell
Du richtest jetzt dein Modell ein. Da du eine penalized logistic regression gewählt hast – bei Freund:innen als Lasso bekannt –, musst du den besten Wert für die Penalty finden, und zwar über einen Suchalgorithmus.
Das recipe, das du zur Feature-Erstellung vor dem Modellieren gebaut hast, ist bereits geladen.
Diese Übung ist Teil des Kurses
Feature Engineering in R
Anleitung zur Übung
- Richte die Penalty fürs Tuning ein.
- Bündle dein Modell und das Recipe in einem Workflow.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Set up the penalty for tuning
lr_model <- logistic_reg() %>% set_engine("glmnet") %>%
set_args(mixture = 1, penalty = ___)
lr_penalty_grid <- grid_regular(penalty(range = c(-3, 1)),levels = 30)
# Bundle your model and recipe in a workflow
lr_workflow <- workflow() %>%
___(lr_model) %>%
___(___)
lr_workflow