使用 Lasso 的手动正则化
attrition 数据集包含 30 个变量。人力资源部门要求您构建一个易于解释和维护的模型。他们特别希望减少特征数量，使模型尽可能易解释。
在本练习中，您将使用 Lasso 自动减少模型中的变量数量。在第一次尝试中，您将手动输入一个惩罚项，并观察模型的表现。
train 和 test 数据以及基础 recipe 已为您加载。
本练习是课程的一部分
R 中的特征工程
练习说明
- 将逻辑回归模型设置为使用
glmnet引擎。 - 设置参数以使用 Lasso，并将惩罚项设为 0.06。
交互式实操练习
通过完成这段示例代码来试试这个练习。
model_lasso_manual <- logistic_reg() %>%
# Set the glmnet engine for your logistic regression model
___(___) %>%
# Set arguments to run Lasso with a penalty of 0.06
set_args(mixture = ___, ___ = ___)
workflow_lasso_manual <- workflow() %>%
add_model(model_lasso_manual) %>%
add_recipe(recipe)
fit_lasso_manual <- workflow_lasso_manual %>%
fit(train)
tidy(fit_lasso_manual)