สร้าง trainControl แบบกำหนดเอง

ชุดข้อมูลคุณภาพไวน์เป็นปัญหาแบบ regression แต่ตอนนี้เราจะมาดูปัญหาแบบ classification กัน นี่คือชุดข้อมูลจำลองที่อิงจากการแข่งขัน "don't overfit" บน Kaggle เมื่อหลายปีก่อน

ปัญหา classification มีความซับซ้อนกว่า regression เล็กน้อย เพราะต้องระบุ summaryFunction แบบกำหนดเองให้กับฟังก์ชัน train() เพื่อใช้ค่าเมตริก AUC ในการจัดอันดับโมเดล เริ่มต้นด้วยการสร้าง trainControl แบบกำหนดเอง เหมือนที่ทำไปในบทก่อนหน้า อย่าลืมตั้งค่า classProbs = TRUE ไม่เช่นนั้น twoClassSummary สำหรับ summaryFunction จะทำงานผิดพลาด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ด้วย caret ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง trainControl แบบกำหนดเองชื่อ myControl สำหรับปัญหา classification โดยใช้ฟังก์ชัน trainControl

ใช้ CV จำนวน 10 fold
ใช้ twoClassSummary สำหรับ summaryFunction
อย่าลืมตั้งค่า classProbs = TRUE

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create custom trainControl: myControl
myControl <- trainControl(
  method = "cv", 
  number = ___,
  summaryFunction = ___,
  classProbs = ___, # IMPORTANT!
  verboseIter = TRUE
)

แก้ไขและรันโค้ด