शुरू करेंमुफ़्त में शुरू करें

Lasso के साथ मैनुअल रेग्युलराइज़ेशन

attrition डेटासेट में 30 वैरिएबल हैं. आपकी Human Resources टीम आपसे ऐसा मॉडल बनाने के लिए कहती है जिसे समझना और मेंटेन करना आसान हो. वे खास तौर पर चाहते हैं कि फीचर्स की संख्या घटाई जाए ताकि आपका मॉडल जितना हो सके उतना व्याख्यात्मक रहे.

इस अभ्यास में, आप अपने मॉडल में वैरिएबल्स की संख्या अपने आप घटाने के लिए Lasso का उपयोग करेंगे. इस पहली कोशिश में, आप मैनुअल तौर पर एक penalty सेट करेंगे और मॉडल के व्यवहार को देखेंगे.

train और test डेटा, और एक बेसिक recipe आपके लिए पहले से लोड है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • अपने logistic regression मॉडल के लिए glmnet इंजन सेट करें.
  • आर्ग्युमेंट ऐसे सेट करें कि Lasso 0.06 की penalty के साथ चले.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

model_lasso_manual <- logistic_reg() %>%

# Set the glmnet engine for your logistic regression model
  ___(___) %>%

# Set arguments to run Lasso with a penalty of 0.06
  set_args(mixture = ___, ___ = ___)

workflow_lasso_manual <- workflow() %>%
  add_model(model_lasso_manual) %>%
  add_recipe(recipe)

fit_lasso_manual <- workflow_lasso_manual %>% 
  fit(train)

tidy(fit_lasso_manual)
कोड संपादित करें और चलाएँ