5-фолдова крос-валідація

У цьому курсі ви використаєте широкий набір даних, щоб показати гнучкість пакета caret. Тут ви попрацюєте з відомим набором даних про житло в Бостоні, де мета — передбачити медіанну вартість будинків у різних передмістях Бостона.

Можете використати той самий код, що й у попередній вправі, але змініть набір даних для моделі:

model <- train(
  medv ~ ., 
  Boston, # <- new!
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = 10,
    verboseIter = TRUE
  )
)

Далі зменште кількість фолдів крос-валідації з 10 до 5 за допомогою аргумента number у trainControl():

trControl = trainControl(
  method = "cv", 
  number = 5,
  verboseIter = TRUE
)

Ця вправа є частиною курсу

Machine Learning з пакетом caret в R

Переглянути курс

Інструкції до вправи

Навчіть модель lm() на наборі даних Boston так, щоб medv була залежною змінною, а всі інші — пояснювальними.
Застосуйте 5-фолдову крос-валідацію замість 10-фолдової.
Надрукуйте модель у консолі та перегляньте результати.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit lm model using 5-fold CV: model
model <- train(
  ___, 
  ___,
  method = "lm",
  trControl = trainControl(
    method = "cv", 
    number = ___,
    verboseIter = TRUE
  )
)

# Print model to console

Редагувати та запускати код