Utwórz własny trainControl

Zbiór danych dotyczący jakości wina był problemem regresji, ale teraz masz do czynienia z problemem klasyfikacji. To symulowany zbiór danych oparty na konkursie „don't overfit" z Kaggle sprzed kilku lat.

Problemy klasyfikacji są nieco bardziej złożone niż problemy regresji, ponieważ musisz przekazać własną summaryFunction do funkcji train(), aby użyć metryki AUC do oceny modeli. Zacznij od utworzenia własnego obiektu trainControl, tak jak w poprzednim rozdziale. Pamiętaj, aby ustawić classProbs = TRUE – inaczej twoClassSummary jako summaryFunction nie będzie działać poprawnie.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz własny obiekt trainControl o nazwie myControl do klasyfikacji, korzystając z funkcji trainControl.

Użyj 10 foldów w walidacji krzyżowej.
Jako summaryFunction użyj twoClassSummary.
Pamiętaj, aby ustawić classProbs = TRUE.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create custom trainControl: myControl
myControl <- trainControl(
  method = "cv", 
  number = ___,
  summaryFunction = ___,
  classProbs = ___, # IMPORTANT!
  verboseIter = TRUE
)

Edytuj i uruchom kod