Kom igångKom igång gratis

Från noll till färdig modell

Du har lärt dig hur man skapar en modellspecifikation och delar upp data i tränings- och testmängder. Du vet också hur man undviker klassobalanser i uppdelningen. Nu är det dags att sätta ihop det du lärt dig och bygga din modell med enbart träningsdata!

Du ska bygga en komplett maskininlärningspipeline. Det innebär att skapa en modellspecifikation, dela upp data i tränings- och testmängder och slutligen anpassa modellen till träningsdata. Sätt igång!

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i R

Visa kurs

Övningsinstruktioner

  • Skapa diabetes_split, en uppdelning där träningsdata innehåller tre fjärdedelar av alla rader i diabetes och där tränings- och testmängderna har en liknande fördelning av variabeln outcome.
  • Bygg en beslutsträdsspecifikation för din modell med rpart-motorn och spara den som tree_spec.
  • Anpassa en modell model_trained med träningsdata från diabetes_split, där outcome är målvariabeln och bmi och skin_thickness är prediktorer.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

set.seed(9)

# Create the balanced data split
diabetes_split <- ___

# Build the specification of the model
tree_spec <- ___ %>% 
  ___ %>% 
  ___

# Train the model
model_trained <- ___ %>% 
  fit(___, 
      ___)

model_trained
Redigera och kör kod