Maak aangepaste train/test-indexen

Zoals je in de video zag, focus je in dit hoofdstuk op een realistische gegevensset die alle concepten uit de vorige hoofdstukken samenbrengt.

De churn-gegevensset bevat data over allerlei telecomklanten. De modelleeruitdaging is om te voorspellen welke klanten hun abonnement opzeggen (churnen).

In dit hoofdstuk ga je twee soorten voorspellende modellen verkennen: glmnet en rf. De eerste stap is daarom het aanmaken van een herbruikbaar trainControl-object waarmee je ze betrouwbaar kunt vergelijken.

Deze oefening maakt deel uit van de cursus

Machine Learning met caret in R

Cursus bekijken

Oefeninstructies

churn_x en churn_y zijn geladen in je werkruimte.

Gebruik createFolds() om 5 CV-folds te maken op churn_y, je doelvariabele voor deze oefening.
Geef ze door aan trainControl() om een herbruikbare trainControl te maken voor het vergelijken van modellen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create custom indices: myFolds
myFolds <- createFolds(___, k = 5)

# Create reusable trainControl object: myControl
myControl <- trainControl(
  summaryFunction = twoClassSummary,
  classProbs = TRUE, # IMPORTANT!
  verboseIter = TRUE,
  savePredictions = TRUE,
  index = ___
)

Code bewerken en uitvoeren