拟合基线模型

现在您已经有一个可复用的 trainControl 对象 myControl，可以开始在客户流失数据集上拟合不同的预测模型，并评估它们的预测准确率。

先从我最喜欢的模型之一 glmnet 开始。它通过对线性回归和逻辑回归模型的系数大小与数量进行惩罚，来帮助防止过拟合。

本练习是课程的一部分

在 R 中使用 caret 的机器学习

将 glmnet 模型拟合到客户流失数据集，命名为 model_glmnet。请务必使用工作区中已提供、您在第一个练习中创建的 trainControl 对象 myControl。

通过完成这段示例代码来试试这个练习。

# Fit glmnet model: model_glmnet
model_glmnet <- train(
  x = churn_x, 
  y = churn_y,
  metric = "ROC",
  method = ___,
  trControl = ___
)