調整 penalty
你已經確信 Lasso 能在維持可接受效能的同時，合理地減少模型的特徵數量。接下來你想透過選擇最佳的懲罰項數值來調整模型。環境中已載入基本的 recipe，以及 train 與 test 的切分。
本練習屬於課程
R 的特徵工程
練習說明
- 將模型設定為自動調整懲罰項。
- 設定一個包含 30 個層級的懲罰項網格。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Set up your model so that the penalty is tuned automatically
model_lasso_tuned <- logistic_reg() %>% set_engine("glmnet") %>%
set_args(mixture = 1, ___ = ___)
workflow_lasso_tuned <- workflow() %>%
add_model(model_lasso_tuned) %>%
add_recipe(recipe)
# Configure a penalty grid with 30 levels
penalty_grid <- grid_regular(penalty(range = c(-3, 1)), ___ = ___)
tune_output <- tune_grid(workflow_lasso_tuned,
resamples = vfold_cv(train, v = 5),
metrics = metric_set(roc_auc),grid = penalty_grid)
autoplot(tune_output)