Lasso regresyon ceza değerlerini keşfet
Önceki egzersizde, hedef ve yordayıcı değişkenleri ölçeklemek için gerekli tüm kodu tamamladın. Şimdi train verisini ve lasso_recipe tarifini kullanarak bir iş akışı kurup bir lasso regresyon modeli eğitecek ve farklı ceza değerlerinin etkilerini inceleyeceksin. Cezayı ayarlayıp modeli yeniden eğitirken, modelde sıfırdan farklı kalan değişken sayısına dikkat et. Böylece lasso regresyonun nasıl özellik seçimi yaptığına tanık olacaksın.
tidyverse ve tidymodels paketleri senin için yüklendi.
Bu egzersiz
R'de Boyutsal Azaltma
kursunun bir parçasıdırEgzersiz talimatları
- 0.001 ceza değeriyle bir lasso regresyon iş akışı eğit ve sıfırdan büyük olan model katsayılarını göster.
- 0.01 ceza değeriyle lasso regresyon iş akışını yeniden eğit ve sıfırdan büyük olan model katsayılarını göster.
- 0.1 ceza değeriyle lasso regresyon iş akışını yeniden eğit ve sıfırdan büyük olan model katsayılarını göster.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Train workflow model with penalty = 0.001 and view model variables
lasso_model <- linear_reg(___ = ___, mixture = 1, engine = "___")
lasso_workflow <- workflow(preprocessor = lasso_recipe, spec = ___)
tidy(lasso_workflow %>% fit(train)) %>% filter(___ > ___)
# Train the workflow model with penalty = 0.01 and view model variables
lasso_model <- ___(___ = ___, ___ = ___, ___ = "___")
lasso_workflow <- workflow(preprocessor = ___, spec = ___)
tidy(lasso_workflow %>% fit(train)) %>% filter(___ > ___)
# Train the workflow model with penalty = 0.1 and view model variables
lasso_model <- ___(___ = ___, ___ = ___, ___ = "___")
lasso_workflow <- ___ %>% ___(___)
tidy(___ %>% ___(___)) %>% ___(___ > ___)