縮約した blood-brain データでモデルを学習する
データセットを縮約できたので、train() 関数を使って glm モデルを当てはめましょう。フルのデータセットを使うよりも高速に動作し、予測精度はほぼ同等になります。
さらに、分散がゼロの変数はクロスバリデーションで問題を引き起こすことがあります（例：あるフォールドでその変数が単一の値しか取らなくなる場合など）。そのため、モデリング前にそれらを削除しておくと、学習中のエラー発生を抑えられます。
この演習はコースの一部です
Rで学ぶ caret を使った Machine Learning
演習の手順
bloodbrain_x、bloodbrain_y、remove、bloodbrain_x_small はワークスペースに読み込まれています。
- 直前の演習で作成した縮約版の blood-brain データセットを使い、
train()関数でglmモデルを学習してください。 - 結果をコンソールに出力してください。
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。
# Fit model on reduced data: model
model <- train(
x = ___,
y = ___,
method = "glm"
)
# Print model to console