Dopasuj model bazowy
Teraz, gdy masz gotowy obiekt trainControl o nazwie myControl, możesz zacząć dopasowywać różne modele predykcyjne do zbioru danych dotyczących rezygnacji klientów i oceniać ich dokładność.
Zaczniemy od jednego z moich ulubionych modeli – glmnet – który nakłada kary na modele regresji liniowej i logistycznej ze względu na rozmiar i liczbę współczynników, co pomaga zapobiegać przeuczeniu.
To ćwiczenie jest częścią kursu
Uczenie maszynowe z caret w R
Instrukcje do ćwiczenia
Dopasuj model glmnet do zbioru danych dotyczących rezygnacji klientów i zapisz go pod nazwą model_glmnet. Pamiętaj, aby jako obiekt trainControl użyć myControl, który został utworzony w pierwszym ćwiczeniu i jest dostępny w twoim środowisku pracy.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Fit glmnet model: model_glmnet
model_glmnet <- train(
x = churn_x,
y = churn_y,
metric = "ROC",
method = ___,
trControl = ___
)