Antrenează glmnet cu un trainControl personalizat

Acum că ai un obiect trainControl personalizat, antrenează un model glmnet pe setul de date „don't overfit". Reține din video că glmnet este o extensie a modelului de regresie liniară generalizată (sau glm) care impune constrângeri asupra mărimii coeficienților pentru a preveni supraajustarea. Această tehnică este cunoscută mai ales sub numele de regresie „penalizată" și este foarte utilă pe seturi de date cu mulți predictori și puține observații.

glmnet poate ajusta două tipuri de modele penalizate, controlate prin parametrul alpha:

Regresia Ridge (sau alpha = 0)
Regresia Lasso (sau alpha = 1)

Vei antrena acum un model glmnet pe setul de date „don't overfit" folosind valorile implicite din pachetul caret.

Acest exercițiu face parte din cursul

Machine Learning cu caret în R

Vezi cursul

Instrucțiuni pentru exercițiu

Antrenează un model glmnet numit model pe datele overfit. Folosește trainControl-ul personalizat din exercițiul anterior (myControl). Variabila y este variabila răspuns, iar toate celelalte variabile sunt variabile explicative.
Afișează modelul în consolă.
Folosește funcția max() pentru a găsi maximul statisticii ROC, care se află undeva în model[["results"]].

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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

# Print model to console


# Print maximum ROC statistic

Editează și rulează codul