Tworzenie własnych indeksów treningowych i testowych

Jak pokazano w filmie, w tym rozdziale skupisz się na rzeczywistym zbiorze danych, który łączy wszystkie koncepcje omówione w poprzednich rozdziałach.

Zbiór danych churn zawiera informacje o różnych klientach firm telekomunikacyjnych. Zadanie modelowania polega na przewidzeniu, którzy klienci zrezygnują z usługi (ang. churn).

W tym rozdziale zapoznasz się z dwoma różnymi typami modeli predykcyjnych: glmnet i rf. Na początek należy stworzyć obiekt trainControl, który będzie można wielokrotnie wykorzystać do rzetelnego porównywania tych modeli.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

W twoim środowisku pracy załadowane są churn_x i churn_y.

Użyj funkcji createFolds(), aby utworzyć 5 foldów walidacji krzyżowej na podstawie churn_y – zmiennej docelowej w tym ćwiczeniu.
Przekaż je do funkcji trainControl(), aby utworzyć wielokrotnego użytku obiekt trainControl służący do porównywania modeli.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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 = ___
)

Edytuj i uruchom kod