A divisão em treino e teste
Em um workflow disciplinado de Machine Learning, é crucial reservar uma parte dos seus dados (dados de teste) fora de qualquer processo de tomada de decisão. Isso permite avaliar de forma independente o desempenho do seu modelo quando ele estiver finalizado. O restante, os dados de treino, é usado para construir e selecionar o melhor modelo.
Neste exercício, você vai usar o pacote rsample para dividir seus dados e fazer a divisão inicial treino-teste do seu gapminder.
Observação: Como essa é uma divisão aleatória dos dados, é uma boa prática definir uma semente (seed) antes de fazer a divisão.
Este exercicio faz parte do curso
Machine Learning no tidyverse
Instruções do exercicio
- Divida seus dados em 75% treino e 25% teste usando a função
initial_split()e atribua agap_split. - Extraia o data frame de treino de
gap_splitusando a funçãotraining(). - Extraia o data frame de teste de
gap_splitusando a funçãotesting(). - Verifique se as dimensões dos seus novos data frames são as esperadas usando a função
dim()emtraining_dataetesting_data.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
set.seed(42)
# Prepare the initial split object
gap_split <- initial_split(___, prop = ___)
# Extract the training data frame
training_data <- ___
# Extract the testing data frame
testing_data <- ___
# Calculate the dimensions of both training_data and testing_data
dim(___)
dim(___)