訓練・テスト分割
確立されたMachine Learningのワークフローでは、データの一部（テストデータ）を意思決定から切り離しておくことが重要です。これにより、最終的なモデルの性能を独立に評価できます。残りのデータである訓練データは、モデルの構築と選択に使用します。
この演習では、rsample パッケージを使って gapminder データの初回の訓練・テスト分割を行います。
注: データはランダムに分割されるため、分割前に乱数シードを設定しておくと良い実践です。
この演習はコースの一部です
Tidyverse で学ぶ Machine Learning
演習の手順
initial_split()関数を使ってデータを学習75%、テスト25%に分割し、gap_splitに代入します。training()関数でgap_splitから学習用データフレームを抽出します。testing()関数でgap_splitからテスト用データフレームを抽出します。training_dataとtesting_dataに対してdim()関数を使い、新しいデータフレームの次元が想定どおりであることを確認します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
set.seed(42)
# Prepare the initial split object
gap_split <- initial_split(___, prop = ___)
# Extract the training data frame
training_data <- ___
# Extract the testing data frame
testing_data <- ___
# Calculate the dimensions of both training_data and testing_data
dim(___)
dim(___)