Skapa egna tränings- och testindex

Som du såg i videon kommer du i det här kapitlet att arbeta med ett verkligt dataset som samlar ihop alla begrepp från tidigare kapitel.

Datasetet churn innehåller data om ett urval telekomkunder, och modelleringsutmaningen är att förutsäga vilka kunder som kommer att säga upp sin tjänst (eller churna).

I det här kapitlet utforskar du två olika typer av prediktiva modeller: glmnet och rf. Det första steget är att skapa ett återanvändbart trainControl-objekt som du kan använda för att jämföra dem på ett tillförlitligt sätt.

Den här övningen är en del av kursen

Maskininlärning med caret i R

Visa kurs

Övningsinstruktioner

churn_x och churn_y är inlästa i din arbetsmiljö.

Använd createFolds() för att skapa 5 CV-folds på churn_y, din målvariabel för den här övningen.
Skicka dem till trainControl() för att skapa ett återanvändbart trainControl som du kan använda när du jämför modeller.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create custom indices: myFolds
myFolds <- createFolds(___, k = 5)

# Create reusable trainControl object: myControl
myControl <- trainControl(
  summaryFunction = twoClassSummary,
  classProbs = TRUE, # IMPORTANT!
  verboseIter = TRUE,
  savePredictions = TRUE,
  index = ___
)

Redigera och kör kod