Assembler des modèles

Cela conclut le cours ! Pour vous donner un avant-goût d’un futur cours sur la création d’ensembles de modèles caret, je vais vous montrer comment ajuster un ensemble empilé de modèles avec le package caretEnsemble.

caretEnsemble fournit la fonction caretList() pour entraîner plusieurs modèles caret en une seule fois sur le même jeu de données, en utilisant les mêmes plis de rééchantillonnage. Vous pouvez également créer vos propres listes de modèles caret.

Dans cet exercice, j’ai préparé pour vous une caretList contenant les modèles glmnet et ranger que vous avez entraînés sur le jeu de données de churn. Utilisez la fonction caretStack() pour créer une pile de modèles caret, où les deux sous-modèles (glmnet et ranger) alimentent un autre modèle caret (espérons-le plus précis !).

Cet exercice fait partie du cours

Machine Learning avec caret en R

Afficher le cours

Instructions

Appelez la fonction caretStack() avec deux arguments, model_list et method = "glm", pour assembler les deux modèles à l’aide d’une régression logistique. Stockez le résultat dans stack.
Résumez le modèle obtenu avec la fonction summary().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create ensemble model: stack
stack <- 

# Look at summary

Modifier et exécuter le code