Opakované použití trainControl

Machine Learning s balíčkem caret v R

Max Kuhn

Software Engineer at RStudio and creator of caret

Příklad z praxe

  • Data: odchod zákazníků telekomunikační společnosti
  • Trénink různých modelů a výběr nejlepšího
  • Modely musí používat stejné rozdělení na trénovací/testovací sadu
  • Vytvoření sdíleného objektu trainControl
Machine Learning s balíčkem caret v R

Příklad: data o odchodu zákazníků

# Summarize the target variables
library(caret)
library(C50)
data(churn)
table(churnTrain$churn) / nrow(churnTrain)

      yes        no 
0.1449145 0.8550855
Machine Learning s balíčkem caret v R

Příklad: data o odchodu zákazníků

# Create train/test indexes
set.seed(42)
myFolds <- createFolds(churnTrain$churn, k = 5)

# Compare class distribution
i <- myFolds$Fold1
table(churnTrain$churn[i]) / length(i)

      yes        no 
0.1441441 0.8558559
Machine Learning s balíčkem caret v R

Příklad: data o odchodu zákazníků

myControl <- trainControl(
  summaryFunction = twoClassSummary,
  classProbs = TRUE,
  verboseIter = TRUE,
  savePredictions = TRUE,
  index = myFolds
)
  • Použití foldů k vytvoření objektu trainControl
  • Stejné křížově validační foldy pro každý model
Machine Learning s balíčkem caret v R

Pojďme procvičovat!

Machine Learning s balíčkem caret v R

Preparing Video For Download...