Ponowne wprowadzenie do glmnet

Uczenie maszynowe z caret w R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Przegląd glmnet

Liniowy model z wbudowaną selekcją zmiennych
Dobry model bazowy
Zalety
- Szybkie dopasowanie
- Ignoruje zmienne szumowe
- Dostarcza interpretowalnych współczynników

Przykład: glmnet na danych churn

set.seed(42)
model_glmnet <- train(
  churn ~ ., 
  churnTrain,
  metric = "ROC",
  method = "glmnet",
  tuneGrid = expand.grid(
    alpha = 0:1, 
    lambda = 0:10 / 10
  ),
  trControl = myControl
)

Wizualizacja wyników

plot(model_glmnet)

Wykres liniowy ROC w zależności od parametru regularyzacji dla dwóch wartości współczynnika mieszania: 0 i 1. ROC jest znacznie wyższe przy współczynniku mieszania równym 1.

Wykres współczynników

plot(model_glmnet$finalModel)

Wykres glmnet przedstawiający współczynniki w zależności od normy L1

Czas na ćwiczenia!

Uczenie maszynowe z caret w R