<\/p>\n
Sie k\u00f6nnen die Funktion \u201ecreateDataPartition()\u201c<\/strong> des Caret-<\/strong> Pakets in R verwenden, um einen Datenrahmen in Trainings- und Tests\u00e4tze f\u00fcr die Modellerstellung zu unterteilen.<\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n createDataPartition(y, times = 1, p = 0,5, list = TRUE, \u2026)<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Angenommen, wir haben in R einen Datenrahmen mit 1.000 Zeilen, der Informationen \u00fcber die Stunden,<\/strong> die die Sch\u00fcler gelernt haben, und ihre entsprechende Punktzahl<\/strong> bei einer Abschlusspr\u00fcfung enth\u00e4lt:<\/span><\/p>\n Angenommen, wir m\u00f6chten ein einfaches lineares Regressionsmodell<\/a> anpassen, das die gelernten Stunden verwendet, um die Abschlusspr\u00fcfungsnote vorherzusagen.<\/span><\/span><\/p>\n Nehmen wir an, wir m\u00f6chten das Modell auf 80 % der Zeilen im Datenrahmen trainieren und es auf den restlichen 20 % der Zeilen testen.<\/span><\/p>\n Der folgende Code zeigt, wie Sie die Funktion \u201ecreateDataPartition()\u201c<\/strong> des Caret-<\/strong> Pakets verwenden, um den Datenrahmen in Trainings- und Tests\u00e4tze zu unterteilen:<\/span><\/p>\n Wir k\u00f6nnen sehen, dass unser Trainingsdatensatz 800 Zeilen enth\u00e4lt, was 80 % des urspr\u00fcnglichen Datensatzes entspricht.<\/span><\/p>\n Ebenso k\u00f6nnen wir sehen, dass unser Testdatensatz 200 Zeilen enth\u00e4lt, was 20 % des urspr\u00fcnglichen Datensatzes entspricht.<\/span><\/p>\n Wir k\u00f6nnen uns auch die ersten Zeilen jedes Satzes vorstellen:<\/span><\/p>\n Anschlie\u00dfend k\u00f6nnen wir das Regressionsmodell mithilfe des Trainingssatzes trainieren und seine Leistung mithilfe des Testsatzes bewerten.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere g\u00e4ngige Funktionen in R verwenden:<\/span><\/p>\n So f\u00fchren Sie eine K-Fold-Kreuzvalidierung in R durch<\/a> Sie k\u00f6nnen die Funktion \u201ecreateDataPartition()\u201c des Caret- Pakets in R verwenden, um einen Datenrahmen in Trainings- und Tests\u00e4tze f\u00fcr die Modellerstellung zu unterteilen. Diese Funktion verwendet die folgende grundlegende Syntax: createDataPartition(y, times = 1, p = 0,5, list = TRUE, \u2026) Gold: y : Ergebnisvektor mal : Anzahl der zu erstellenden Partitionen p : Prozentsatz […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel: Verwendung von createDataPartition() in R<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set. seeds<\/span> (0)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (hours=runif(1000, min=0, max=10),\n score=runif(1000, min=40, max=100))\n\n#view head of data frame\n<\/span>head(df)\n\n hours score\n1 8.966972 55.93220\n2 2.655087 71.84853\n3 3.721239 81.09165\n4 5.728534 62.99700\n5 9.082078 97.29928\n6 2.016819 47.10139<\/strong><\/span><\/pre>\n library<\/span> (caret)\n\n#partition data frame into training and testing sets\n<\/span>train_indices <- createDataPartition(df$score, times= 1<\/span> , p= .8<\/span> , list= FALSE<\/span> )\n\n#create training set\n<\/span>df_train <- df[train_indices, ]\n\n#create testing set\n<\/span>df_test <- df[-train_indices, ]\n\n#view number of rows in each set\n<\/span>nrow(df_train)\n\n[1] 800\n\nnrow(df_test)\n\n[1] 200\n<\/strong><\/span><\/pre>\n #view head of training set<\/span>\nhead(df_train)\n\n hours score\n1 8.966972 55.93220\n2 2.655087 71.84853\n3 3.721239 81.09165\n4 5.728534 62.99700\n5 9.082078 97.29928\n7 8.983897 42.34600\n\n#view head of testing set\n<\/span>head(df_test)\n\n hours score\n6 2.016819 47.10139\n12 2.059746 96.67170\n18 7.176185 92.61150\n23 2.121425 89.17611\n24 6.516738 50.47970\n25 1.255551 90.58483\n<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine multiple lineare Regression in R durch<\/a>
So f\u00fchren Sie eine logistische Regression in R durch<\/p>\n","protected":false},"excerpt":{"rendered":"