Zacznij terazZacznij za darmo

Od zera do bohatera

Opanowałeś już tworzenie specyfikacji modelu i podział danych na zbiory treningowy i testowy. Wiesz też, jak unikać niezrównoważonego rozkładu klas przy podziale. Czas połączyć wszystko, czego się nauczyłeś, i zbudować model korzystający wyłącznie ze zbioru treningowego!

Zbudujesz teraz prawdziwy potok uczenia maszynowego. Składa się on z trzech kroków: tworzenia specyfikacji modelu, podziału danych na zbiory treningowy i testowy, oraz – co równie ważne – dopasowania modelu do danych treningowych. Do dzieła!

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz diabetes_split – podział, w którym zbiór treningowy zawiera trzy czwarte wszystkich wierszy ze zbioru diabetes, a rozkład zmiennej outcome jest podobny w obu zbiorach: treningowym i testowym.
  • Zdefiniuj specyfikację drzewa decyzyjnego dla swojego modelu, używając silnika rpart, i zapisz ją jako tree_spec.
  • Dopasuj model model_trained do danych treningowych z diabetes_split, przyjmując outcome jako zmienną docelową, a bmi i skin_thickness jako predyktory.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

set.seed(9)

# Create the balanced data split
diabetes_split <- ___

# Build the specification of the model
tree_spec <- ___ %>% 
  ___ %>% 
  ___

# Train the model
model_trained <- ___ %>% 
  fit(___, 
      ___)

model_trained
Edytuj i uruchom kod