Ajuster un modèle sur les données blood-brain réduites

Maintenant que vous avez réduit votre jeu de données, vous pouvez ajuster un modèle glm à l’aide de la fonction train(). Ce modèle s’exécutera plus rapidement que sur le jeu de données complet et offrira une précision prédictive très similaire.

De plus, les variables à variance nulle peuvent poser des problèmes avec la validation croisée (par exemple, si un des plis n’a qu’une seule valeur unique pour cette variable). Les supprimer avant la modélisation réduit donc le risque d’erreurs pendant l’ajustement.

Cet exercice fait partie du cours

<cours>Machine Learning avec caret en R</cours>

Voir le cours

Instructions de l’exercice

bloodbrain_x, bloodbrain_y, remove et bloodbrain_x_small sont chargés dans votre espace de travail.

Ajustez un modèle glm avec la fonction train() en utilisant le jeu de données blood-brain réduit que vous avez créé à l’exercice précédent.
Affichez le résultat dans la console.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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

# Print model to console

Modifier et exécuter le code