Dopasuj model do zredukowanych danych blood-brain

Po zredukowaniu zbioru danych możesz dopasować do niego model glm za pomocą funkcji train(). Taki model będzie działał szybciej niż przy użyciu pełnego zbioru danych i da bardzo zbliżoną dokładność predykcji.

Co więcej, zmienne o zerowej wariancji mogą powodować problemy podczas walidacji krzyżowej (np. jeśli w jednym foldzie znajdzie się tylko jedna unikalna wartość danej zmiennej). Usunięcie ich przed modelowaniem zmniejsza ryzyko błędów w trakcie dopasowywania modelu.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

bloodbrain_x, bloodbrain_y, remove oraz bloodbrain_x_small są wczytane do twojego środowiska pracy.

Dopasuj model glm za pomocą funkcji train() i zredukowanego zbioru danych blood-brain, który utworzyłeś(-aś) w poprzednim ćwiczeniu.
Wyświetl wynik w konsoli.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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

# Print model to console

Edytuj i uruchom kod