データ科学6週間R

2617 ワード

テキストリンク

防止のために

パラメータ最適化–Caret packageのgrid search

ラーニングカーブを使用して最適点を決定するには

最適Cp値の検索

fit_full <- rpart(deposit~housing+month+duration+previous,
                  data = tr_set,
                  method = 'class',
                  cp = 0,
                  minsplit = 1,
                  minbucket = 1,
                  maxdepth = 30
)

printcp(fit_full)
plotcp(fit_full)

           CP nsplit rel error  xerror     xstd
1  3.2215e-01      0  1.000000 1.00000 0.015646
2  1.3950e-01      1  0.677852 0.68600 0.014781
3  1.7977e-02      2  0.538351 0.56088 0.013967
4  1.5820e-02      4  0.502397 0.51630 0.013601
5  8.3893e-03      5  0.486577 0.49185 0.013381
6  6.2320e-03      7  0.469799 0.49041 0.013367
......
34 1.2784e-04    845  0.093480 0.54219 0.013819
35 1.1985e-04    860  0.091563 0.54506 0.013842
36 9.5877e-05    903  0.084851 0.54506 0.013842
37 5.9923e-05    908  0.084372 0.54746 0.013861
38 0.0000e+00    916  0.083893 0.54746 0.013861

relerror
相対誤差はルートノードの誤り率を1にする. (先行分布に基づいて生じる誤差、すなわち訓練セット全体の分布に基づいて生じる誤差)は、先行分布に基づいて生じる相対的な誤り率である.
これは訓練の間違いで、常に1未満でなければなりません.
先行分布による誤り率とは、全体データ分布から多種類予測された場合(すなわち、予測変数値に関係なく)の誤り率である.

xerror
cross validation error、これも相対数値です.
基準値はルートノードrelerror=1
これはcvからのエラーです. これはテストエラーであり、ルートノード上のトレーニングエラーの相対エラー率であるため、1より大きい可能性がある.
xerror値が再び増加することは
cpは最適点を超えている,すなわち,超適切と考えられる.