5-faldig korsvalidering

I den här kursen används en mängd olika datamängder för att utforska hela flexibiliteten hos paketet caret. Här använder du det välkända Boston-datasetet över bostäder, där målet är att förutsäga medianvärdet på bostäder i olika förorter till Boston.

Du kan använda exakt samma kod som i föregående övning, men byta ut den datamängd som modellen använder:

model <- train(
  medv ~ ., 
  Boston, # <- nytt!
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = 10,
    verboseIter = TRUE
  )
)

Därefter kan du minska antalet korsvalideringsfolds från 10 till 5 med argumentet number i trainControl():

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

Den här övningen är en del av kursen

Maskininlärning med caret i R

Visa kurs

Övningsinstruktioner

Anpassa en lm()-modell till Boston-datasetet över bostäder, så att medv är responsvariabeln och alla övriga variabler är förklarande variabler.
Använd 5-faldig korsvalidering i stället för 10-faldig.
Skriv ut modellen i konsolen och granska resultaten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Fit lm model using 5-fold CV: model
model <- train(
  ___, 
  ___,
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = ___,
    verboseIter = TRUE
  )
)

# Print model to console

Redigera och kör kod