モデル
ここではモデルを設定します。ペナルティ付きロジスティック回帰（仲間内では Lasso と呼ばれます）を選んだので、最適な penalty の値を探索アルゴリズムで見つける必要があります。
モデリングの前に特徴量を作成するための recipe は、すでに読み込まれています。
この演習はコースの一部です
Rで学ぶ特徴量エンジニアリング
演習の手順
- penalty をチューニングできるように設定します。
- モデルとレシピをワークフローにまとめます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Set up the penalty for tuning
lr_model <- logistic_reg() %>% set_engine("glmnet") %>%
set_args(mixture = 1, penalty = ___)
lr_penalty_grid <- grid_regular(penalty(range = c(-3, 1)),levels = 30)
# Bundle your model and recipe in a workflow
lr_workflow <- workflow() %>%
___(lr_model) %>%
___(___)
lr_workflow