Model fitten op gereduceerde blood-brain-data

Nu je je gegevensset hebt verkleind, kun je er met train() een glm-model op fitten. Dit model draait sneller dan met de volledige gegevensset en levert een vergelijkbare voorspellende nauwkeurigheid op.

Bovendien kunnen variabelen met nulvariantie problemen veroorzaken bij cross-validatie (bijv. als één fold uiteindelijk maar één unieke waarde voor die variabele bevat). Door ze vóór het modelleren te verwijderen, is de kans op fouten tijdens het fitten kleiner.

Deze oefening maakt deel uit van de cursus

Machine Learning met caret in R

Cursus bekijken

Oefeninstructies

bloodbrain_x, bloodbrain_y, remove en bloodbrain_x_small zijn geladen in je werkruimte.

Fit een glm-model met de functie train() op de gereduceerde blood-brain-gegevensset die je in de vorige oefening hebt gemaakt.
Print het resultaat naar de console.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Fit model on reduced data: model
model <- train(
  x = ___, 
  y = ___, 
  method = "glm"
)

# Print model to console

Code bewerken en uitvoeren