Rozdělení na trénovací a testovací sadu
Prvním krokem při trénování modelu je rozdělení dat na trénovací a testovací sadu. Balíček tidymodels tento proces výrazně zjednodušuje. Oddělení testovací sady ti umožní vyhodnotit natrénovaný model na datech, která model dosud neviděl.
Budeš pracovat s daty o odchodu zaměstnanců ze zdravotnické společnosti – obsahují informace o zaměstnancích a o tom, zda firmu opustili, nebo ne. Data jsou dostupná v attrition_df. Cílová proměnná je Attrition.
Balíčky tidyverse a tidymodels jsou už načtené.
Toto cvičení je součástí kurzu
Redukce dimenzionality v R
Pokyny k cvičení
- Inicializuj rozdělení dat tak, aby 80 % připadlo na trénovací sadu, a stratifikuj podle cílové proměnné
Attrition. - Extrahuj trénovací sadu a ulož ji do proměnné
train. - Extrahuj testovací sadu a ulož ji do proměnné
test.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize the split
split <- ___(___, ___ = ___, strata = ___)
# Extract training set
train <- ___ %>% ___()
# Extract testing set
test <- ___ %>% ___()