Modell auf reduzierten Blood-Brain-Daten fitten

Nachdem du deinen Datensatz reduziert hast, kannst du mit der Funktion train() ein glm-Modell darauf fitten. Dieses Modell läuft schneller als mit dem vollständigen Datensatz und liefert eine sehr ähnliche Vorhersagegenauigkeit.

Außerdem können Variablen mit Varianz null Probleme bei der Kreuzvalidierung verursachen (z. B. wenn ein Fold am Ende nur einen einzigen Ausprägungswert für diese Variable hat). Wenn du sie vor dem Modellieren entfernst, ist die Wahrscheinlichkeit geringer, dass während des Fitten Fehler auftreten.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit caret in R

Kurs anzeigen

Anleitung zur Übung

bloodbrain_x, bloodbrain_y, remove und bloodbrain_x_small sind in deinem Workspace geladen.

Fitte ein glm-Modell mit der Funktion train() und dem reduzierten Blood-Brain-Datensatz, den du in der vorherigen Übung erstellt hast.
Gib das Ergebnis in der Konsole aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Fit model on reduced data: model
model <- train(
  x = ___, 
  y = ___, 
  method = "glm"
)

# Print model to console

Code bearbeiten und ausführen