1. Learn
    2. /
  2. Kurser
    3. /
  3. Machine Learning ใน Tidyverse
Connected

Övning

การแบ่งข้อมูลสำหรับเทรนและทดสอบ

ในกระบวนการ machine learning ที่มีระเบียบวินัย สิ่งสำคัญคือต้องแยกข้อมูลบางส่วนไว้เป็น ข้อมูลทดสอบ (testing data) โดยไม่นำไปใช้ในการตัดสินใจใดๆ วิธีนี้ช่วยให้ประเมินประสิทธิภาพของโมเดลได้อย่างเป็นอิสระเมื่อโมเดลสร้างเสร็จแล้ว ส่วนข้อมูลที่เหลือซึ่งเรียกว่า ข้อมูลเทรน (training data) จะถูกนำไปใช้สร้างและคัดเลือกโมเดลที่ดีที่สุด

ในแบบฝึกหัดนี้ จะใช้แพ็กเกจ rsample เพื่อแบ่งข้อมูล gapminder ออกเป็นชุดเทรนและชุดทดสอบในขั้นตอนแรก

หมายเหตุ: เนื่องจากการแบ่งข้อมูลนี้เป็นแบบสุ่ม จึงควรกำหนด seed ก่อนทำการแบ่งข้อมูลทุกครั้ง

Instruktioner

100 XP
  • แบ่งข้อมูลออกเป็น 75% สำหรับเทรนและ 25% สำหรับทดสอบโดยใช้ฟังก์ชัน initial_split() แล้วกำหนดให้กับตัวแปร gap_split
  • ดึง data frame ชุดเทรนออกจาก gap_split โดยใช้ฟังก์ชัน training()
  • ดึง data frame ชุดทดสอบออกจาก gap_split โดยใช้ฟังก์ชัน testing()
  • ตรวจสอบขนาดของ data frame ที่ได้ว่าตรงตามที่คาดไว้หรือไม่ โดยใช้ฟังก์ชัน dim() กับ training_data และ testing_data