Esboço tosqueira de Cross-validation

esboco_cv.R

library(glmnet)

X = model.matrix(rchp ~ 1
                 + jogo_do_brasil*(competicao 
                                   + jogo_do_brasil 
                                   + fase2
                                   + jogo_do_n1
                                   + jogo_da_italia
                                   + I(log(soma_ranking))
                                   + I(log(produto_ranking))
                                   + soma_ranking
                                   + soma_ranking:I(fase2%in%c("Final","Semi"))
                                   + produto_ranking
                                   + alcance_habitual
                                   + I(alcance_habitual^2)
                                   + alcance_habitual
                                   + alcance_habitual:jogo_da_italia
                                   + I(log(alcance_habitual))
                                   + I(alcance_habitual^3)
                                   + I(log(produto_ranking)*log(soma_ranking)))^4, dados)[,-1]

cv = cv.glmnet(x = X[treino & !outlier, ], 
               y = y[treino & !outlier], 
               alpha = 1, 
               family="gaussian", 
               nfolds = 10, 
               type.measure = "mse")
plot(cv)
bestLambda = cv$lambda.min

fit <- glmnet(x = X[treino & !outlier, ], 
              y = y[treino & !outlier], 
              alpha = 1, 
              lambda = bestLambda, 
              thresh = 1e-12, 
              family="gaussian")