Explorează valorile de penalizare ale regresiei lasso
În exercițiul anterior, ai completat tot codul necesar pentru a scala variabila țintă și variabilele predictor. Vei folosi datele train și lasso_recipe pentru a construi un workflow cu care să antrenezi un model de regresie lasso și să explorezi efectele diferitelor valori de penalizare. Pe măsură ce ajustezi penalizarea și reantrenezi modelul, urmărește câte variabile cu valori nenule rămân în model. Astfel, vei observa cum regresia lasso realizează selecția caracteristicilor.
Pachetele tidyverse și tidymodels au fost deja încărcate pentru tine.
Acest exercițiu face parte din cursul
Reducerea dimensionalității în R
Instrucțiuni pentru exercițiu
- Antrenează un workflow de regresie lasso cu o penalizare de 0,001 și afișează coeficienții modelului care sunt mai mari decât zero.
- Reantrenează workflow-ul de regresie lasso cu o penalizare de 0,01 și afișează coeficienții modelului care sunt mai mari decât zero.
- Reantrenează workflow-ul de regresie lasso cu o penalizare de 0,1 și afișează coeficienții modelului care sunt mai mari decât zero.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Train workflow model with penalty = 0.001 and view model variables
lasso_model <- linear_reg(___ = ___, mixture = 1, engine = "___")
lasso_workflow <- workflow(preprocessor = lasso_recipe, spec = ___)
tidy(lasso_workflow %>% fit(train)) %>% filter(___ > ___)
# Train the workflow model with penalty = 0.01 and view model variables
lasso_model <- ___(___ = ___, ___ = ___, ___ = "___")
lasso_workflow <- workflow(preprocessor = ___, spec = ___)
tidy(lasso_workflow %>% fit(train)) %>% filter(___ > ___)
# Train the workflow model with penalty = 0.1 and view model variables
lasso_model <- ___(___ = ___, ___ = ___, ___ = "___")
lasso_workflow <- ___ %>% ___(___)
tidy(___ %>% ___(___)) %>% ___(___ > ___)