Validare încrucișată 5 x 5 pași

Poți face mai mult decât o singură iterație de validare încrucișată. Validarea încrucișată repetată îți oferă o estimare mai bună a erorii pe setul de testare. Poți repeta întreaga procedură de validare încrucișată de mai multe ori – durează mai mult, dar îți oferă mult mai multe seturi de date out-of-sample pe care să le analizezi și evaluări mai precise ale performanței modelului.

Unul dintre avantajele remarcabile ale funcției train() din caret este cât de ușor poți rula modele foarte diferite sau metode diferite de validare încrucișată, modificând doar câteva argumente simple ale apelului de funcție. De exemplu, poți repeta întreaga procedură de validare încrucișată de 5 ori pentru o mai mare încredere în estimările acurateței out-of-sample a modelului, de exemplu:

trControl = trainControl(
  method = "repeatedcv", 
  number = 5,
  repeats = 5, 
  verboseIter = TRUE
)

Acest exercițiu face parte din cursul

Machine Learning cu caret în R

Vezi cursul

Instrucțiuni pentru exercițiu

Antrenează din nou modelul de regresie liniară pe setul de date Boston privind locuințele.
Folosește 5 repetări ale validării încrucișate cu 5 pași.
Afișează modelul în consolă.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Fit lm model using 5 x 5-fold CV: model
model <- train(
  medv ~ ., 
  Boston,
  method = "lm",
  trControl = trainControl(
    method = "repeatedcv", 
    number = ___,
    repeats = ___, 
    verboseIter = TRUE
  )
)

# Print model to console

Editează și rulează codul