Míry chyby mimo vzorek

Machine Learning s balíčkem caret v R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Chyba mimo vzorek

Chceme modely, které nepřeučují a dobře generalizují
Fungují modely dobře na nových datech?
Testujeme modely na nových datech, nebo testovací sadě
- Klíčový poznatek strojového učení
- Validace na trénovacích datech téměř vždy vede k přeučení
Hlavní cíl caret a tohoto kurzu: nepřeučovat

# Fit a model to the mtcars data
data(mtcars)
model <- lm(mpg ~ hp, mtcars[1:20, ])

# Predict out-of-sample
predicted <- predict(
  model, mtcars[21:32, ], type = "response"
)

# Evaluate error
actual <- mtcars[21:32, "mpg"]
sqrt(mean((predicted - actual) ^ 2))

5.507236

# Fit a model to the full dataset
model2 <- lm(mpg ~ hp, mtcars)

# Predict in-sample
predicted2 <- predict(
  model, mtcars, type = "response"
)

# Evaluate error
actual2 <- mtcars[, "mpg"]
sqrt(mean((predicted2 - actual2) ^ 2))

3.74

Srovnání s RMSE mimo vzorek: 5,5.

Machine Learning s balíčkem caret v R