모델
이제 모델을 설정해 볼게요. 패널티를 적용한 로지스틱 회귀, 즉 Lasso를 선택했으므로, 최적의 penalty 값을 탐색 알고리즘으로 찾아야 해요.
모델링 전에 특성을 구성하기 위해 만든 recipe는 이미 로드되어 있어요.
이 연습은 강의의 일부입니다
R로 배우는 Feature Engineering
연습 안내
- penalty를 튜닝 대상으로 설정하세요.
- 워크플로에 모델과 레시피를 묶어 구성하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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