5× opakovaná 5-násobná křížová validace

Křížovou validaci nemusíš provést jen jednou. Opakovaná křížová validace ti dá přesnější odhad chyby na testovací sadě. Celý postup můžeš zopakovat vícekrát – trvá to sice déle, ale získáš tím víc datových sad mimo trénink a přesnější představu o tom, jak dobře model skutečně funguje.

Jedna ze skvělých vlastností funkce train() z balíčku caret je, jak snadno lze spouštět různé modely nebo metody křížové validace – stačí upravit pár jednoduchých argumentů. Například pro větší jistotu v odhadech přesnosti modelu na nových datech můžeš celou křížovou validaci zopakovat 5krát:

trControl = trainControl(
  method = "repeatedcv", 
  number = 5,
  repeats = 5, 
  verboseIter = TRUE
)

Toto cvičení je součástí kurzu

Machine Learning s balíčkem caret v R

Zobrazit kurz

Pokyny k cvičení

Znovu natrénuj model lineární regrese na datasetu Boston s cenami nemovitostí.
Použij 5-násobnou křížovou validaci opakovanou 5krát.
Vypiš model do konzole.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit lm model using 5 x 5-fold CV: model
model <- train(
  medv ~ ., 
  Boston,
  method = "lm",
  trControl = trainControl(
    method = "repeatedcv", 
    number = ___,
    repeats = ___, 
    verboseIter = TRUE
  )
)

# Print model to console

Upravit a spustit kód