Adatta un modello sui dati blood-brain ridotti
Ora che hai ridotto il tuo insieme di dati, puoi adattare un modello glm usando la funzione train(). Questo modello sarà più veloce rispetto a usare l’intero insieme di dati e fornirà un’accuratezza predittiva molto simile.
Inoltre, le variabili a varianza zero possono creare problemi con la cross-validation (ad esempio se una fold contiene un solo valore unico per quella variabile), quindi rimuoverle prima della modellazione riduce la probabilità di ottenere errori durante il fitting.
Questo esercizio fa parte del corso
Machine Learning con caret in R
Istruzioni dell'esercizio
bloodbrain_x, bloodbrain_y, remove e bloodbrain_x_small sono caricati nel tuo workspace.
- Adatta un modello
glmusando la funzionetrain()e il dataset blood-brain ridotto che hai creato nell’esercizio precedente. - Stampa il risultato in console.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Fit model on reduced data: model
model <- train(
x = ___,
y = ___,
method = "glm"
)
# Print model to console