使用自定义 trainControl 拟合 glmnet
现在您已经有了自定义的 trainControl 对象，请将 glmnet 模型拟合到 "don't overfit" 数据集上。回顾视频内容，glmnet 是广义线性回归模型（glm）的扩展，通过对系数大小施加约束来防止过拟合。这通常被称为「惩罚」回归建模，在自变量很多而样本很少的数据集上非常有用。
glmnet 可以拟合两类不同的惩罚模型，由参数 alpha 控制：
- 岭回归（
alpha = 0） - Lasso 回归（
alpha = 1）
接下来，您将使用 caret 包提供的默认设置，对 "don't overfit" 数据集拟合一个 glmnet 模型。
本练习是课程的一部分
在 R 中使用 caret 的机器学习
练习说明
- 在
overfit数据上训练一个名为model的glmnet模型。使用上一个练习中的自定义trainControl（myControl）。变量y是响应变量，其他所有变量都是解释变量。 - 将模型打印到控制台。
- 使用
max()函数查找位于model[["results"]]某处的 ROC 统计量的最大值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Fit glmnet model: model
model <- train(
___,
___,
method = "glmnet",
trControl = ___
)
# Print model to console
# Print maximum ROC statistic