Test-train ayrımı

Düzenli bir Machine Learning iş akışında, verinin bir kısmını (test verisi) karar verme sürecinden tamamen uzak tutmak çok önemlidir. Bu sayede, modelin son hâliyle performansını bağımsız olarak değerlendirebilirsin. Kalan veri, yani eğitim verisi, modeli kurmak ve en iyi modeli seçmek için kullanılır.

Bu egzersizde, rsample paketini kullanarak gapminder verini ilk eğitim-test ayrımı için böleceksin.

Not: Bu işlem veriyi rastgele böldüğü için, bölmeden önce bir tohum (seed) belirlemek iyi bir pratiktir.

Bu egzersiz

Tidyverse ile Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Verini initial_split() fonksiyonunu kullanarak %75 eğitim ve %25 test olacak şekilde böl ve gap_split olarak ata.
training() fonksiyonunu kullanarak gap_split içinden eğitim veri çerçevesini çıkar.
testing() fonksiyonunu kullanarak gap_split içinden test veri çerçevesini çıkar.
training_data ve testing_data üzerinde dim() fonksiyonunu kullanarak yeni veri çerçevelerinin boyutlarının beklediğin gibi olduğunu doğrula.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

set.seed(42)

# Prepare the initial split object
gap_split <- initial_split(___, prop = ___)

# Extract the training data frame
training_data <- ___

# Extract the testing data frame
testing_data <- ___

# Calculate the dimensions of both training_data and testing_data
dim(___)
dim(___)

Kodu Düzenle ve Çalıştır