เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้าง index สำหรับ train/test แบบกำหนดเอง

อย่างที่เห็นในวิดีโอ บทนี้จะมุ่งเน้นไปที่ชุดข้อมูลจริงที่รวบรวมแนวคิดทั้งหมดจากบทก่อนหน้าเข้าไว้ด้วยกัน

ชุดข้อมูล churn ประกอบด้วยข้อมูลของลูกค้าโทรคมนาคมหลากหลายกลุ่ม โดยโจทย์ของการสร้างโมเดลคือการพยากรณ์ว่าลูกค้ารายใดจะยกเลิกบริการ (หรือ churn)

ในบทนี้ จะได้สำรวจโมเดลพยากรณ์ 2 ประเภท ได้แก่ glmnet และ rf ดังนั้นขั้นตอนแรกคือการสร้างออบเจ็กต์ trainControl ที่นำกลับมาใช้ซ้ำได้ เพื่อเปรียบเทียบโมเดลทั้งสองอย่างน่าเชื่อถือ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ด้วย caret ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

churn_x และ churn_y ถูกโหลดไว้ใน workspace แล้ว

  • ใช้ createFolds() เพื่อสร้าง CV fold จำนวน 5 fold บน churn_y ซึ่งเป็นตัวแปรเป้าหมายในแบบฝึกหัดนี้
  • ส่งผลลัพธ์ที่ได้ไปยัง trainControl() เพื่อสร้าง trainControl ที่นำกลับมาใช้ซ้ำได้สำหรับการเปรียบเทียบโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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 = ___
)
แก้ไขและรันโค้ด