Zacznij terazZacznij za darmo

Ręczna regularyzacja metodą Lasso

Zbiór danych attrition zawiera 30 zmiennych. Dział HR prosi cię o zbudowanie modelu, który będzie łatwy w interpretacji i utrzymaniu. Zależy im w szczególności na ograniczeniu liczby cech, aby model był jak najbardziej czytelny.

W tym ćwiczeniu użyjesz metody Lasso do automatycznego zmniejszenia liczby zmiennych w modelu. W pierwszym podejściu ręcznie podasz wartość kary i zaobserwujesz zachowanie modelu.

Dane train i test oraz podstawowy obiekt recipe są już wczytane.

To ćwiczenie jest częścią kursu

Inżynieria cech w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Ustaw model regresji logistycznej tak, aby korzystał z silnika glmnet.
  • Ustaw argumenty, aby uruchomić metodę Lasso z karą równą 0,06.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

model_lasso_manual <- logistic_reg() %>%

# Set the glmnet engine for your logistic regression model
  ___(___) %>%

# Set arguments to run Lasso with a penalty of 0.06
  set_args(mixture = ___, ___ = ___)

workflow_lasso_manual <- workflow() %>%
  add_model(model_lasso_manual) %>%
  add_recipe(recipe)

fit_lasso_manual <- workflow_lasso_manual %>% 
  fit(train)

tidy(fit_lasso_manual)
Edytuj i uruchom kod