Właściwy trening modelu

Nadzorowane uczenie maszynowe w R: regresja

Nina Zumel and John Mount

Win-Vector, LLC

Model może działać znacznie lepiej na danych treningowych niż na nowych danych.

Zalecana metoda, gdy danych jest wystarczająco dużo

Preferowana, gdy dane są zbyt małe, by wydzielić zbiór testowy

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

nRows: liczba wierszy w danych treningowych
nSplits: liczba foldów (partycji) w walidacji krzyżowej
- np. nfolds = 3 dla 3-krotnej walidacji krzyżowej
pozostałe 2 argumenty nie są tu potrzebne

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

Pierwszy fold (A i B do treningu, C do testu)

splitPlan[[1]]

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

Trenuj na A i B, testuj na C itd...

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

Nadzorowane uczenie maszynowe w R: regresja