Treinando um Modelo da Maneira Certa

Aprendizado Supervisionado em R: Regressão

Nina Zumel and John Mount

Win-Vector, LLC

Modelos podem ir muito melhor no treino do que em dados futuros.

Método recomendado quando há muitos dados

Preferível quando os dados não são grandes o suficiente para separar um conjunto de teste

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

nRows: número de linhas nos dados de treino
nSplits: número de folds (partições) na validação cruzada
- ex.: nfolds = 3 para validação cruzada 3-way
os 2 argumentos restantes não são necessários aqui

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

Primeiro fold (A e B para treinar, C para testar)

splitPlan[[1]]

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

Treine em A e B, teste em C, etc.

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

Aprendizado Supervisionado em R: Regressão