ฝึกโมเดลบนชุดข้อมูล blood-brain ที่ลดขนาดแล้ว

เมื่อลดขนาดชุดข้อมูลแล้ว ก็สามารถฝึกโมเดล glm กับชุดข้อมูลนั้นได้โดยใช้ฟังก์ชัน train() โมเดลนี้จะทำงานได้เร็วกว่าการใช้ชุดข้อมูลเต็ม และยังให้ความแม่นยำในการทำนายที่ใกล้เคียงกันมาก

นอกจากนี้ ตัวแปรที่มีความแปรปรวนเป็นศูนย์อาจทำให้เกิดปัญหาในการ cross-validation (เช่น หากใน fold หนึ่งมีค่าเดียวสำหรับตัวแปรนั้น) ดังนั้นการนำตัวแปรเหล่านี้ออกก่อนสร้างโมเดลจะช่วยลดโอกาสเกิดข้อผิดพลาดระหว่างการฝึกโมเดลได้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ด้วย caret ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

bloodbrain_x, bloodbrain_y, remove และ bloodbrain_x_small ถูกโหลดไว้ใน workspace แล้ว

ฝึกโมเดล glm โดยใช้ฟังก์ชัน train() พร้อมกับชุดข้อมูล blood-brain ที่ลดขนาดแล้วจากแบบฝึกหัดก่อนหน้า
แสดงผลลัพธ์ที่ได้ใน console

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Fit model on reduced data: model
model <- train(
  x = ___, 
  y = ___, 
  method = "glm"
)

# Print model to console

แก้ไขและรันโค้ด