Łączenie modeli w ensemble
To kończy kurs! Na zachętę przed przyszłym kursem o tworzeniu ensembli modeli caret pokażę ci, jak dopasować skumulowany ensemble modeli przy użyciu pakietu caretEnsemble.
caretEnsemble udostępnia funkcję caretList(), która pozwala tworzyć wiele modeli caret naraz na tym samym zbiorze danych, korzystając z tych samych podziałów resamplingowych. Możesz też tworzyć własne listy modeli caret.
W tym ćwiczeniu przygotowałem dla ciebie obiekt caretList zawierający modele glmnet i ranger dopasowane na zbiorze danych dotyczących rezygnacji klientów. Użyj funkcji caretStack(), aby zbudować stos modeli caret, w którym dwa podmodele (glmnet i ranger) zasilają kolejny – miejmy nadzieję, dokładniejszy! – model caret.
To ćwiczenie jest częścią kursu
Uczenie maszynowe z caret w R
Instrukcje do ćwiczenia
- Wywołaj funkcję
caretStack()z dwoma argumentami:model_listorazmethod = "glm", aby połączyć oba modele za pomocą regresji logistycznej. Zapisz wynik jakostack. - Podsumuj otrzymany model za pomocą funkcji
summary().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create ensemble model: stack
stack <-
# Look at summary