Dopasowanie modelu do danych treningowych
Czas podzielić dane na zbiór treningowy – do dopasowania modelu – oraz oddzielny zbiór testowy – do oceny jego zdolności predykcyjnych. Zanim jednak dokonasz tego podziału, pobieramy 100% wierszy ze zbioru house_prices bez zwracania i przypisujemy wynik do house_prices_shuffled. Pozwala to „przetasować" wiersze, dzięki czemu zbiory treningowy i testowy będą losowo dobrane.
To ćwiczenie jest częścią kursu
Modelowanie danych w Tidyverse
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Set random number generator seed value for reproducibility
set.seed(76)
# Randomly reorder the rows
house_prices_shuffled <- house_prices %>%
sample_frac(size = 1, replace = FALSE)
# Train/test split
train <- house_prices_shuffled %>%
slice(___:___)
test <- house_prices_shuffled %>%
slice(___:___)