RMSE는 흔히 학습용 데이터(내부 표본)에서 계산합니다. 학습용 데이터 오류를 계산할 때의 잠재적 단점은 무엇일까요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 강의의 첫 번째 장에서는 <code>train()</code>으로 회귀 모델을 적합하고, 교차 검증과 평균제곱근오차(RMSE)를 사용해 샘플 외 성능을 평가해 보겠습니다.
현재 연습
이 장에서는 <code>train()</code>으로 분류 모델을 적합하고, 교차 검증과 곡선하면적(AUC)을 사용해 샘플 외 성능을 평가합니다.
이 장에서는 <code>train()</code> 함수를 사용해 교차 검증과 그리드 서치를 통해 모델 하이퍼파라미터를 조정합니다.
이 장에서는 모델을 적합하기 전에 <code>train()</code>으로 데이터를 전처리하는 연습을 하여, 더 정확한 예측을 할 수 있도록 역량을 높입니다.
이 강의의 마지막 장에서는 <code>resamples()</code>를 사용해 여러 모델을 비교하고, 최적의 모델을 선택하거나 앙상블하는 방법을 배웁니다.
