Data frame cross-validation

Sekarang setelah Anda menyisihkan sebagian data sebagai testing data, Anda dapat menggunakan sisa data untuk menemukan model dengan kinerja terbaik.

Pada latihan ini, Anda akan membagi data pelatihan menjadi serangkaian 5 himpunan train-validate menggunakan fungsi vfold_cv() dari paket rsample.

Latihan ini adalah bagian dari kursus

Machine Learning di Tidyverse

Lihat Kursus

Petunjuk latihan

Bangun sebuah data frame untuk 5-fold cross validation dari training_data menggunakan vfold_cv() dan tetapkan ke cv_split.
Siapkan cv_data dengan menambahkan dua kolom baru ke cv_split:
- train: berisi data frame train dengan memetakan training() ke seluruh kolom splits.
- validate: berisi data frame validate dengan memetakan testing() ke seluruh kolom splits.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

set.seed(42)

# Prepare the data frame containing the cross validation partitions
cv_split <- vfold_cv(___, v = ___)

cv_data <- cv_split %>% 
  mutate(
    # Extract the train data frame for each split
    train = map(___, ~___(.x)), 
    # Extract the validate data frame for each split
    validate = map(___, ~___(.x))
  )

# Use head() to preview cv_data
head(cv_data)

Edit dan Jalankan Kode