Anpassa basmodellen
Nu när du har ett återanvändbart trainControl-objekt som heter myControl kan du börja anpassa olika prediktiva modeller till din churn-datamängd och utvärdera deras prediktionsförmåga.
Vi börjar med en av mina favoritmodeller, glmnet, som tillämpar en straffterm på linjära och logistiska regressionsmodeller baserat på koefficienternas storlek och antal – detta för att motverka överanpassning.
Den här övningen är en del av kursen
Maskininlärning med caret i R
Övningsinstruktioner
Anpassa en glmnet-modell till churn-datamängden och kalla den model_glmnet. Se till att använda myControl, som du skapade i den första övningen och som finns tillgänglig i din arbetsyta, som trainControl-objekt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Fit glmnet model: model_glmnet
model_glmnet <- train(
x = churn_x,
y = churn_y,
metric = "ROC",
method = ___,
trControl = ___
)