1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe z caret w R
Connected

ćwiczenie

Dopasowanie glmnet z własnym trainControl

Masz już własny obiekt trainControl – czas dopasować model glmnet do zbioru danych "don't overfit". Przypomnij sobie z wideo, że glmnet jest rozszerzeniem uogólnionego modelu regresji liniowej (glm), które nakłada ograniczenia na wartości współczynników, aby zapobiec przeuczeniu. Ta technika, znana jako regresja penalizowana, sprawdza się szczególnie dobrze w zbiorach danych z dużą liczbą predyktorów i małą liczbą obserwacji.

glmnet potrafi dopasować dwa rodzaje modeli penalizowanych – wybór kontroluje parametr alpha:

  • Regresja grzbietowa (ridge), czyli alpha = 0
  • Regresja lasso, czyli alpha = 1

Teraz dopasuj model glmnet do zbioru danych "don't overfit", korzystając z domyślnych ustawień pakietu caret.

Instrukcje

100 XP
  • Wytrenuj model glmnet o nazwie model na danych overfit. Użyj własnego obiektu trainControl z poprzedniego ćwiczenia (myControl). Zmienna y jest zmienną odpowiedzi, a wszystkie pozostałe zmienne są zmiennymi objaśniającymi.
  • Wyświetl model w konsoli.
  • Użyj funkcji max(), aby znaleźć maksimum statystyki ROC przechowywanej gdzieś w model[["results"]].