Probiere einen 60/40-Split

Wie du im Video gesehen hast, arbeitest du in diesem Kapitel mit dem Datensatz Sonar und verwendest 60 % als Trainings- und 40 % als Testmenge. Wir üben das Erstellen eines Train/Test-Splits noch einmal, damit du es sicher beherrschst. Denk daran, dass du die Funktion sample() verwenden kannst, um eine zufällige Permutation der Zeilenindizes eines Datensatzes zu erhalten, die du für Train/Test-Splits nutzt, z. B.:

n_obs <- nrow(my_data)
permuted_rows <- sample(n_obs)

Und dann diese Zeilenindizes verwendest, um den Datensatz zufällig neu anzuordnen, z. B.:

my_data <- my_data[permuted_rows, ]

Sobald dein Datensatz zufällig angeordnet ist, kannst du die ersten 60 % als Trainingsmenge und die letzten 40 % als Testmenge abtrennen.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit caret in R

Kurs anzeigen

Anleitung zur Übung

Ermittle die Anzahl der Beobachtungen (Zeilen) in Sonar und weise sie n_obs zu.
Mische die Zeilenindizes von Sonar und speichere das Ergebnis in permuted_rows.
Verwende permuted_rows, um die Zeilen von Sonar zufällig neu anzuordnen, und speichere dies als Sonar_shuffled.
Bestimme die passende Zeile, an der du für einen 60/40-Split trennst. Speichere diese Zeilennummer als split.
Speichere die ersten 60 % von Sonar_shuffled als Trainingsmenge.
Speichere die letzten 40 % von Sonar_shuffled als Testmenge.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Get the number of observations


# Shuffle row indices: permuted_rows


# Randomly order data: Sonar


# Identify row to split on: split
split <- round(n_obs * ___)

# Create train


# Create test

Code bearbeiten und ausführen