Özel trainControl ile glmnet'i uygula

Artık özel bir trainControl nesnen olduğuna göre, "don't overfit" veri kümesine bir glmnet modeli uygula. Videodan hatırlayacağın üzere glmnet, aşırı uyumu önlemek için katsayıların büyüklüğüne kısıtlar getiren genelleştirilmiş doğrusal regresyon modelinin (glm) bir uzantısıdır. Bu yaklaşım daha yaygın olarak "cezalandırmalı" regresyon modelleme olarak bilinir ve çok sayıda yordayıcı, az sayıda gözlem içeren veri kümelerinde oldukça kullanışlıdır.

glmnet, alpha parametresiyle kontrol edilen iki farklı türde cezalandırmalı modeli uydurabilir:

Ridge regresyonu (veya alpha = 0)
Lasso regresyonu (veya alpha = 1)

Şimdi caret paketinin varsayılanlarını kullanarak "don't overfit" veri kümesine bir glmnet modeli uygulayacaksın.

Bu egzersiz, kursun bir parçasıdır

R ile caret kullanarak Machine Learning

Kursa Göz Atın

Egzersiz talimatları

overfit verisi üzerinde model adlı bir glmnet modeli eğit. Önceki egzersizdeki özel trainControl'ü (myControl) kullan. Bağımlı değişken y, diğer tüm değişkenler açıklayıcı değişkenlerdir.
Modeli konsola yazdır.
model[["results"]] içinde yer alan ROC istatistiğinin maksimumunu bulmak için max() fonksiyonunu kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Fit glmnet model: model
model <- train(
  ___, 
  ___,
  method = "glmnet",
  trControl = ___
)

# Print model to console


# Print maximum ROC statistic

Kodu Düzenle ve Çalıştır