重新介绍 glmnet

在 R 中使用 caret 的机器学习

Zach Mayer

Data Scientist at DataRobot and co-author of caret

glmnet 回顾

线性模型，自带特征选择
很好的基线模型
优点
- 拟合快速
- 忽略噪声特征
- 系数可解释

示例：在流失数据上使用 glmnet

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

可视化结果

plot(model_glmnet)

图：两条曲线显示 ROC 随正则化参数变化，在混合比例为 0 和 1 时对比。混合比例为 1 时 ROC 明显更高。

绘制系数图

plot(model_glmnet$finalModel)

图：自定义 glmnet 图，系数随 L1 范数变化

开始练习！

在 R 中使用 caret 的机器学习