Validation croisée à 5 volets

Dans ce cours, vous utiliserez une grande variété d'ensembles de données pour explorer toute la flexibilité du paquet caret. Ici, vous utiliserez le célèbre ensemble Boston housing, où l'objectif est de prédire la valeur médiane des maisons dans différents quartiers de Boston.

Vous pouvez reprendre exactement le même code que dans l'exercice précédent, mais en changeant l'ensemble de données utilisé par le modèle :

model <- train(
  medv ~ ., 
  Boston, # <- new!
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = 10,
    verboseIter = TRUE
  )
)

Ensuite, vous pouvez réduire le nombre de volets de validation croisée de 10 à 5 en utilisant l'argument number de la fonction trainControl() :

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

Cette activité fait partie du cours

Machine Learning avec caret en R

Voir le cours

Instructions de l’exercice

Ajustez un modèle lm() sur l'ensemble de données Boston, où medv est la variable à expliquer et toutes les autres sont des variables explicatives.
Utilisez une validation croisée à 5 volets plutôt qu'à 10 volets.
Affichez le modèle dans la console et inspectez les résultats.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Fit lm model using 5-fold CV: model
model <- train(
  ___, 
  ___,
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = ___,
    verboseIter = TRUE
  )
)

# Print model to console

Modifier et exécuter le code