Modèle
Vous allez maintenant configurer votre modèle. Comme vous avez choisi une régression logistique pénalisée, connue de ses amis sous le nom de Lasso, vous devez déterminer la meilleure valeur de pénalité, via un algorithme de recherche.
La recipe que vous avez construite pour préparer vos variables avant l’entraînement du modèle est déjà chargée.
Cet exercice fait partie du cours
Feature engineering en R
Instructions
- Configurez la pénalité pour être ajustée par tuning.
- Regroupez votre modèle et votre recette dans un workflow.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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