ComenzarEmpieza gratis

Regularización manual con Lasso

El conjunto de datos attrition tiene 30 variables. El departamento de Recursos Humanos te pide que construyas un modelo fácil de interpretar y mantener. En concreto, quieren reducir el número de características para que tu modelo sea lo más interpretable posible.

En este ejercicio, usarás Lasso para reducir automáticamente el número de variables de tu modelo. En este primer intento, introducirás manualmente una penalización y observarás el comportamiento del modelo.

Los datos de train y test, y una recipe básica ya están cargados para ti.

Este ejercicio forma parte del curso

Ingeniería de características en R

Ver curso

Instrucciones del ejercicio

  • Configura tu modelo de regresión logística para usar el motor glmnet.
  • Establece los argumentos para ejecutar Lasso con una penalización de 0.06.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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)
Editar y ejecutar código