Ein Modell richtig trainieren

Überwachtes Lernen in R: Regression

Nina Zumel and John Mount

Win-Vector, LLC

Modelle sind im Training oft viel besser als auf zukünftigen Daten.

Empfohlene Methode, wenn viele Daten vorliegen

Bevorzugt, wenn die Daten nicht groß genug für ein Testset sind

library(vtreat)
splitPlan <- kWayCrossValidation(nRows, nSplits, NULL, NULL)

nRows: Anzahl der Zeilen in den Trainingsdaten
nSplits: Anzahl der Folds (Partitionen) in der Cross-Validation
- z. B. nfolds = 3 für 3-fache Cross-Validation
die übrigen 2 Argumente werden hier nicht benötigt

library(vtreat)
splitPlan <- kWayCrossValidation(10, 3, NULL, NULL)

Erster Fold (A und B zum Trainieren, C zum Testen)

splitPlan[[1]]

$train
1  2  4  5  7  9 10
$app
3 6 8

Trainiere auf A und B, teste auf C, usw.

split <- splitPlan[[1]]
model <- lm(fmla, data = df[split$train,])
df$pred.cv[split$app] <- predict(model, newdata = df[split$app,])

Überwachtes Lernen in R: Regression