โมเดล
ขั้นตอนนี้จะเป็นการตั้งค่าโมเดล เนื่องจากเลือกใช้ penalized logistic regression หรือที่รู้จักกันในชื่อ Lasso จึงต้องค้นหาค่า penalty ที่เหมาะสมที่สุดผ่านอัลกอริทึมการค้นหา
recipe ที่สร้างไว้สำหรับการทำ feature engineering ก่อนเข้าสู่การสร้างโมเดลนั้นถูกโหลดไว้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Feature Engineering in R
คำแนะนำการฝึกหัด
- กำหนดค่า penalty สำหรับการ tuning
- รวมโมเดลและ recipe เข้าด้วยกันใน workflow
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Set up the penalty for tuning
lr_model <- logistic_reg() %>% set_engine("glmnet") %>%
set_args(mixture = 1, penalty = ___)
lr_penalty_grid <- grid_regular(penalty(range = c(-3, 1)),levels = 30)
# Bundle your model and recipe in a workflow
lr_workflow <- workflow() %>%
___(lr_model) %>%
___(___)
lr_workflow