Ajuster le modèle de référence
Maintenant que vous disposez d’un objet trainControl réutilisable nommé myControl, vous pouvez commencer à ajuster différents modèles prédictifs sur votre jeu de données de churn et évaluer leur précision prédictive.
Nous allons commencer avec l’un de mes modèles préférés, glmnet, qui pénalise les modèles de régression linéaire et logistique sur la taille et le nombre de coefficients afin de limiter le surapprentissage.
Cet exercice fait partie du cours
<cours>Machine Learning avec caret en R</cours>Instructions de l’exercice
Ajustez un modèle glmnet sur le jeu de données de churn, nommé model_glmnet. Veillez à 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 = ___
)