Den Datensatz aufteilen
Um Trainings- und Testmenge zu erstellen, setzt du zuerst mit set.seed() einen Seed. Seeds legen einen Startpunkt für zufällig erzeugte Zahlen fest, sodass bei jedem Ausführen deines Codes dasselbe Ergebnis entsteht. Der Vorteil beim Sampling ist, dass du oder andere mit demselben Seed exakt die gleichen Trainings- und Testmengen rekonstruieren können.
Mit sample() kannst du Beobachtungen zufällig der Trainings- bzw. Testmenge zuweisen.
In dieser Übung verwendest du die ersten beiden Argumente der Funktion sample():
- Das erste Argument ist der Vektor, aus dem Werte gezogen werden. Wir wählen zufällig Zeilennummern als Indizes; verwende
1:nrow(loan_data), um den Vektor der Zeilennummern zu erstellen. - Das zweite Argument ist die Anzahl der zu ziehenden Elemente. Wir verwenden
2 / 3 * nrow(loan_data), da wir zuerst die Trainingsmenge konstruieren.
Diese Übung ist Teil des Kurses
<Kurs>Kreditrisikomodellierung in R</Kurs>Übungsanweisungen
- Setze mit der Funktion
set.seed()einen Seed von 567. - Speichere die Zeilenindizes der Trainingsmenge im Objekt
index_train. Verwende die Funktionsample()mit dem ersten und zweiten Argument wie oben beschrieben. - Erstelle die Trainingsmenge, indem du die in
index_traingespeicherten Zeilennummern aus dem Datensatzloan_dataauswählst. Speichere das Ergebnis intraining_set. - Die Testmenge enthält die Zeilen, die nicht in
index_trainenthalten sind. Kopiere den Code, den du zur Erstellung der Trainingsmenge verwendet hast, setze aber das Minuszeichen (-) direkt vorindex_traininnerhalb der eckigen Klammern. Speichere das Ergebnis intest_set.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Set seed of 567
# Store row numbers for training set: index_train
# Create training set: training_set
training_set <- loan_data[___, ]
# Create test set: test_set