Data frames de validação cruzada

Agora que você reservou uma parte dos seus dados como testing data, pode usar a parte restante para encontrar o modelo com melhor desempenho.

Neste exercício, você vai dividir os dados de treinamento em uma série de 5 conjuntos train-validate usando a função vfold_cv() do pacote rsample.

Este exercicio faz parte do curso

Machine Learning no tidyverse

Ver curso

Instruções do exercicio

Construa um data frame para validação cruzada com 5 dobras a partir de training_data usando vfold_cv() e atribua a cv_split.
Prepare cv_data acrescentando duas novas colunas a cv_split:
- train: contendo os data frames de treino mapeando training() na coluna splits.
- validate: contendo os data frames de validação mapeando testing() na coluna splits.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

set.seed(42)

# Prepare the data frame containing the cross validation partitions
cv_split <- vfold_cv(___, v = ___)

cv_data <- cv_split %>% 
  mutate(
    # Extract the train data frame for each split
    train = map(___, ~___(.x)), 
    # Extract the validate data frame for each split
    validate = map(___, ~___(.x))
  )

# Use head() to preview cv_data
head(cv_data)

Editar e Executar Código