ยินดีต้อนรับสู่คอร์ส

Machine Learning ด้วย caret ใน R

Max Kuhn

Software Engineer at RStudio and creator of caret

Supervised Learning

ภาพดอกไม้และใบแจ้งหนี้ที่มีข้อความ "past due"

โมเดลเชิงพยากรณ์แบ่งเป็น 2 ประเภท
- Classification ⇒ เชิงคุณภาพ
- Regression ⇒ เชิงปริมาณ
ใช้ เมตริก ประเมินโมเดล
- วัดค่าได้
- เป็นกลาง
Root Mean Squared Error (RMSE) สำหรับ regression

การคำนวณ RMSE แบบ in-sample เป็นเรื่องปกติ
- ค่าที่ได้ดีเกินจริง
- นำไปสู่การ overfitting
ควรคำนวณค่าความผิดพลาดแบบ out-of-sample แทน (แบบที่ caret ใช้)
- จำลองการใช้งานจริง
- ช่วยหลีกเลี่ยง overfitting

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

# Predict in-sample
predicted <- predict(
  model, mtcars[1:20, ], type = "response"
)

# Calculate RMSE
actual <- mtcars[1:20, "mpg"]
sqrt(mean((predicted - actual) ^ 2))

3.172132

Machine Learning ด้วย caret ใน R