Pas het beste model

lasso_grid bevat 50 verschillende modelspecificaties met 50 verschillende penalty-waarden in penalty_grid. In deze oefening ga je het model met de optimale penalty-waarde vinden en fitten. Zo eindig je met een lasso-regressiemodel dat featureselectie optimaliseert voor de beste modelprestatie.

lasso_workflow en train zijn beschikbaar. De pakketten tidyverse en tidymodels zijn ook al voor je geladen.

Deze oefening maakt deel uit van de cursus

Dimensionality Reduction in R

Cursus bekijken

Oefeninstructies

Haal het best gefitte model op op basis van RMSE.
Gebruik finalize_workflow() om een model te fitten op basis van best_rmse.
Toon de modelcoëfficiënten van final_lasso.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Retrieve the best RMSE
best_rmse <- ___ %>% 
  ___("___")

# Refit the model with the best RMSE
final_lasso <- 
  ___(___, ___) %>% 
  fit(train)

# Display the non-zero model coefficients
tidy(___) %>% 
  filter(___ > ___)

Code bewerken en uitvoeren