Навчіть модель на зменшених даних blood-brain

Тепер, коли ви зменшили ваш набір даних, можна навчити модель glm за допомогою функції train(). Така модель працюватиме швидше, ніж на повному наборі, і дасть дуже подібну точність прогнозування.

Крім того, змінні з нульовою дисперсією можуть спричиняти проблеми під час перехресної перевірки (наприклад, якщо в одному з фолдів для цієї змінної буде лише одне унікальне значення). Тому видалення таких змінних до побудови моделі зменшує ймовірність помилок під час навчання.

Ця вправа є частиною курсу

Machine Learning з пакетом caret в R

Переглянути курс

Інструкції до вправи

bloodbrain_x, bloodbrain_y, remove і bloodbrain_x_small уже завантажено у ваш робочий простір.

Навчіть модель glm за допомогою функції train() на зменшеному наборі даних blood-brain, який ви створили у попередній вправі.
Виведіть результат у консоль.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

# Print model to console

Редагувати та запускати код