Allena il modello di base
Ora che hai un oggetto trainControl riutilizzabile chiamato myControl, puoi iniziare ad allenare diversi modelli predittivi sul tuo insieme di dati di churn e valutarne l'accuratezza predittiva.
Partirai con uno dei miei modelli preferiti, glmnet, che applica una penalizzazione ai modelli di regressione lineare e logistica sulla dimensione e sul numero dei coefficienti per aiutare a prevenire l'overfitting.
Questo esercizio fa parte del corso
Machine Learning con caret in R
Istruzioni dell'esercizio
Allena un modello glmnet sull'insieme di dati di churn chiamato model_glmnet. Assicurati di usare myControl, che hai creato nel primo esercizio ed è disponibile nel tuo workspace, come oggetto trainControl.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Fit glmnet model: model_glmnet
model_glmnet <- train(
x = churn_x,
y = churn_y,
metric = "ROC",
method = ___,
trControl = ___
)