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.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

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"]].

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit glmnet model: model
model <- train(
  ___, 
  ___,
  method = "glmnet",
  trControl = ___
)

# Print model to console


# Print maximum ROC statistic

Edytuj i uruchom kod