Pas het basismodel aan
Nu je een herbruikbaar trainControl-object hebt met de naam myControl, kun je verschillende voorspellende modellen op je churn-gegevensset gaan fitten en hun voorspellende nauwkeurigheid evalueren.
Je begint met een van mijn favoriete modellen, glmnet, dat lineaire en logistische regressiemodellen straft op de grootte en het aantal coëfficiënten om overfitting te helpen voorkomen.
Deze oefening maakt deel uit van de cursus
Machine Learning met caret in R
Oefeninstructies
Fit een glmnet-model op de churn-gegevensset met de naam model_glmnet. Zorg dat je myControl gebruikt, dat je in de eerste oefening hebt gemaakt en dat beschikbaar is in je werkruimte, als het trainControl-object.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Fit glmnet model: model_glmnet
model_glmnet <- train(
x = churn_x,
y = churn_y,
metric = "ROC",
method = ___,
trControl = ___
)