Trénování modelu na trénovacích datech
Teď přišel čas rozdělit data na trénovací sadu pro učení modelu a samostatnou testovací sadu pro vyhodnocení jeho prediktivní síly. Než ale k tomuto rozdělení přistoupíme, nejprve náhodně vybereme 100 % řádků z house_prices bez opakování a výsledek uložíme do house_prices_shuffled. Tím vlastně řádky „zamícháme" a zajistíme, že trénovací i testovací sada budou náhodně vybrané.
Toto cvičení je součástí kurzu
Modelování s daty v Tidyverse
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Set random number generator seed value for reproducibility
set.seed(76)
# Randomly reorder the rows
house_prices_shuffled <- house_prices %>%
sample_frac(size = 1, replace = FALSE)
# Train/test split
train <- house_prices_shuffled %>%
slice(___:___)
test <- house_prices_shuffled %>%
slice(___:___)