Ajuste glmnet com trainControl personalizado

Agora que você tem um objeto trainControl personalizado, ajuste um modelo glmnet ao conjunto de dados "don't overfit". Lembre do vídeo que glmnet é uma extensão do modelo de regressão linear generalizada (ou glm) que impõe restrições ao tamanho dos coeficientes para evitar overfitting. Isso é mais conhecido como modelagem de regressão "penalizada" e é uma técnica muito útil em conjuntos de dados com muitos preditores e poucos valores.

O glmnet é capaz de ajustar dois tipos diferentes de modelos penalizados, controlados pelo parâmetro alpha:

Regressão Ridge (ou alpha = 0)
Regressão Lasso (ou alpha = 1)

Agora você vai ajustar um modelo glmnet ao conjunto de dados "don't overfit" usando os padrões fornecidos pelo pacote caret.

Este exercício faz parte do curso

Machine Learning com caret em R

Ver curso

Instruções do exercício

Treine um modelo glmnet chamado model com os dados overfit. Use o trainControl personalizado do exercício anterior (myControl). A variável y é a variável resposta e todas as outras são variáveis explicativas.
Imprima o modelo no console.
Use a função max() para encontrar o máximo da métrica ROC contida em algum lugar de model[["results"]].

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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

# Print model to console


# Print maximum ROC statistic

Editar e executar o código