Ajuster le modèle de référence
Maintenant que vous avez un objet trainControl réutilisable nommé myControl, vous pouvez commencer à ajuster différents modèles prédictifs à votre jeu de données sur l'attrition et évaluer leur précision prédictive.
Vous allez commencer avec l'un de mes modèles préférés, glmnet, qui applique une pénalisation aux modèles de régression linéaire et logistique sur la taille et le nombre de coefficients afin d'aider à prévenir le surapprentissage.
Cette activité fait partie du cours
Machine Learning avec caret en R
Instructions de l’exercice
Ajustez un modèle glmnet au jeu de données d'attrition et nommez-le model_glmnet. Assurez-vous d'utiliser myControl, que vous avez créé dans le premier exercice et qui est disponible dans votre espace de travail, comme objet trainControl.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit glmnet model: model_glmnet
model_glmnet <- train(
x = churn_x,
y = churn_y,
metric = "ROC",
method = ___,
trControl = ___
)