เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การ Regularization ด้วย Lasso แบบกำหนดเอง

ชุดข้อมูล attrition มีตัวแปรทั้งหมด 30 ตัว ฝ่ายทรัพยากรบุคคลต้องการให้สร้างโมเดลที่เข้าใจและดูแลรักษาได้ง่าย โดยเฉพาะอยากลดจำนวน Feature ลงเพื่อให้โมเดลอ่านและตีความได้ง่ายที่สุด

ในแบบฝึกหัดนี้ จะใช้ Lasso เพื่อลดจำนวนตัวแปรในโมเดลโดยอัตโนมัติ ในการทดลองครั้งแรกนี้ จะกำหนดค่า penalty เองและสังเกตพฤติกรรมของโมเดล

ข้อมูล train และ test รวมถึง recipe พื้นฐานถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดให้โมเดล Logistic Regression ใช้ engine glmnet
  • ตั้งค่าอาร์กิวเมนต์เพื่อรัน Lasso โดยกำหนด penalty เป็น 0.06

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

model_lasso_manual <- logistic_reg() %>%

# Set the glmnet engine for your logistic regression model
  ___(___) %>%

# Set arguments to run Lasso with a penalty of 0.06
  set_args(mixture = ___, ___ = ___)

workflow_lasso_manual <- workflow() %>%
  add_model(model_lasso_manual) %>%
  add_recipe(recipe)

fit_lasso_manual <- workflow_lasso_manual %>% 
  fit(train)

tidy(fit_lasso_manual)
แก้ไขและรันโค้ด