Я пытаюсь узнать о перекрестной проверке, однако я пытаюсь реализовать перекрестную проверку из пакета Rsample в моих моделях после нескольких попыток. У меня есть логистическая регрессия с использованием пакета Parsnip, случайный лес с использованием программы ranger и xgboost с использованием пакета xgboost.
Это личный проект, в котором пытаются узнать больше методов для разделения данных. Ранее я пытался использовать пакет caret для реализации перекрестной проверки, но я хотел бы использовать специальные пакеты для моделирования, чтобы обеспечить большую гибкость при создании модели. Для сгибов, которые я просто использовал vfold_cv, посмотрите код ниже, чтобы узнать, что я сделал.
folding <- vfold_cv(pd_data, v = 5)
# Logistic model
pens <- logistic_reg(mode = "classification") %>%
set_engine("glm") %>%
fit(default ~ profit_margin + interest_coverage_ratio + age_of_company + liquidity_ratio_2 + unpaid_debt_collection
+ adverse_audit_opinion + amount_unpaid_debt + payment_reminders, data = folding)
rf_model <- ranger::ranger(default~.,
num.trees = 100,
mtry = 4,
importance = "impurity",
data = folding,
probability = TRUE)
Я ожидал получить модели, но, например, при запуске логистической модели все, что я получаю, это: Ошибка вeval_tidy (f [[2]], dat): объект 'default' не найден