5-krotna walidacja krzyżowa

W tym kursie będziesz korzystać z różnorodnych zbiorów danych, aby poznać pełne możliwości pakietu caret. Tutaj użyjesz słynnego zbioru danych dotyczącego rynku nieruchomości w Bostonie – celem jest przewidywanie mediany wartości domów w różnych dzielnicach tego miasta.

Możesz użyć dokładnie tego samego kodu co w poprzednim ćwiczeniu, zmieniając jedynie zbiór danych używany przez model:

model <- train(
  medv ~ ., 
  Boston, # <- nowość!
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = 10,
    verboseIter = TRUE
  )
)

Następnie możesz zmniejszyć liczbę podziałów walidacji krzyżowej z 10 do 5, korzystając z argumentu number funkcji trainControl():

trControl = trainControl(
  method = "cv", 
  number = 5,
  verboseIter = TRUE
)

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

Dopasuj model lm() do zbioru danych Boston dotyczącego rynku nieruchomości, przyjmując medv jako zmienną odpowiedzi, a wszystkie pozostałe zmienne jako zmienne objaśniające.
Zastosuj 5-krotną walidację krzyżową zamiast 10-krotnej.
Wyświetl model w konsoli i przeanalizuj wyniki.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit lm model using 5-fold CV: model
model <- train(
  ___, 
  ___,
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = ___,
    verboseIter = TRUE
  )
)

# Print model to console

Edytuj i uruchom kod