Justera straffparametern
Du är övertygad om att Lasso är ett lämpligt tillvägagångssätt för att minska antalet särdrag i din modell utan att offra acceptabel prestanda. Nu vill du finjustera modellen genom att välja det bästa värdet för straffparametern. Ett grundläggande recipe samt uppdelningarna train och test är inlästa i din miljö.
Den här övningen är en del av kursen
Feature Engineering i R
Övningsinstruktioner
- Konfigurera din modell så att straffparametern justeras automatiskt.
- Definiera ett sökrutnät för straffparametern med 30 nivåer.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Set up your model so that the penalty is tuned automatically
model_lasso_tuned <- logistic_reg() %>% set_engine("glmnet") %>%
set_args(mixture = 1, ___ = ___)
workflow_lasso_tuned <- workflow() %>%
add_model(model_lasso_tuned) %>%
add_recipe(recipe)
# Configure a penalty grid with 30 levels
penalty_grid <- grid_regular(penalty(range = c(-3, 1)), ___ = ___)
tune_output <- tune_grid(workflow_lasso_tuned,
resamples = vfold_cv(train, v = 5),
metrics = metric_set(roc_auc),grid = penalty_grid)
autoplot(tune_output)