रैंडम टेस्ट डेटासेट बनाना
एक अधिक उन्नत लेंडिंग मॉडल बनाने से पहले, यह ज़रूरी है कि आप लोन डेटा का एक हिस्सा अलग रखें ताकि यह सिम्युलेट किया जा सके कि भविष्य के आवेदकों के परिणामों की भविष्यवाणी मॉडल कितनी अच्छी तरह करेगा.
निम्न इमेज में दिखाए अनुसार, आप मॉडल के लिए 75% ऑब्ज़र्वेशंस को प्रशिक्षण और 25% को टेस्टिंग में इस्तेमाल कर सकते हैं.
sample() फंक्शन का उपयोग प्रशिक्षण सेट में शामिल करने के लिए पंक्तियों का रैंडम सैंपल जनरेट करने हेतु किया जा सकता है. बस इसे कुल ऑब्ज़र्वेशंस की संख्या और प्रशिक्षण के लिए आवश्यक संख्या दें.
प्राप्त रो IDs के वेक्टर का उपयोग करके loans को प्रशिक्षण और टेस्टिंग डेटासेट्स में सबसेट करें. आपके उपयोग के लिए loans डेटासेट उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Supervised Learning: Classification
अभ्यास निर्देश
nrow()फंक्शन लागू करके यह निर्धारित करें किloansडेटासेट में कितने ऑब्ज़र्वेशंस हैं, और 75% सैंपल के लिए कितनी संख्या चाहिए.sample()फंक्शन का उपयोग करके 75% सैंपल के लिए रो IDs का एक इंटीजर वेक्टर बनाएँ.sample()का पहला आर्ग्युमेंट डेटा सेट में पंक्तियों की संख्या होनी चाहिए, और दूसरा आर्ग्युमेंट आपके प्रशिक्षण सेट के लिए जरूरी पंक्तियों की संख्या.- रो IDs का उपयोग करके
loansडेटा को सबसेट करें और प्रशिक्षण डेटासेट बनाएँ. इसेloans_trainके रूप में सेव करें. loansको फिर से सबसेट करें, लेकिन इस बार वे सभी पंक्तियाँ चुनें जोsample_rowsमें नहीं हैं. इसेloans_testके रूप में सेव करें
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Determine the number of rows for training
# Create a random sample of row IDs
sample_rows <- sample(___, ___)
# Create the training dataset
loans_train <- loans[___]
# Create the test dataset
loans_test <- loans[___]