【R微课】14天用R做机器学习第七天

编者按：数据预处理好后，就可以做数据建模了。所谓数据建模，就是根据特定的问题，采用合适的机器学习算法，机器学习算法一大把，如何选择和评估，就显得非常重要了。

第七天：机器学习算法评价机制——重采样方法

在这里小编要跟伙伴们说，我们做机器学习需要数据集，毋庸置疑。数据集可以划分为训练机器学习模型的数据集，即训练集；验证模型的数据集，即验证集；模型测试的数据集，即测试集或者新的数据集或者不可见数据集。

这个时候，我们似乎遇到了一个悖论，训练模型的数据集不能够用来评价模型的精度和效果，而构建模型的目的是为了应用模型到新的数据集，即测试集。如何解决这样的悖论呢？我们采用了统计学里面的【重采样】方法。即把历史数据集或者用来构建模型的数据集，通过重采样技术，划分为两个部分，一部分用来训练模型，一部分用来验证和评价模型，前者称为训练集，后者称为验证集。第七天的课程，实践的内容如下：

1 把一个训练数据集划分为训练集和验证集；

2 使用K-交叉验证评估算法的精度。

代码实现如下：

请伙伴们实践上述代码，并且理解结果的含义，同时思考如下问题：

1 如何划分数据集？有哪些方法？

2 如何保证实验的的可重复性操作？

3 朴素贝叶斯算法如何理解？有什么用？您使用了哪些机器学习算法？

4 如何评价算法的效果？

期待伙伴们的留言和见解。

第八天的内容，小编会继续来说。伙伴们，下回见。

伙伴们，数据人网发起了【猴年我要写100篇原创数据主题作品】活动，欢迎伙伴们积极参与进来。知识积累和共享，从数据人网（http://shujuren.org)启程。数据人网核心价值观：利他、真实、热爱、感恩。了解活动详情的伙伴们，请加小编微信，注明参与活动。您的地盘您做主，数据人网是您的后勤服务。当然了，小编已经在投入到这个活动了。2016年12月13日，让我们一起来总结！

更多精彩内容，请点击阅读原文。

数据人网（http://shujuren.org)，数据人学习、交流和分享的平台，专注于从数据中学习，努力发觉数据之洞见，积极利用数据之价值。为“让人懂数据、用数据”之使命坚持做点事情。大家可以来投稿，做分享和传播，可以给反馈。您有什么想法，请反馈给我们，谢谢。数据人网，我们共建和共享。

数据人网平台构建了丰富的数据人圈，简要说明：

数据人圈是数据人网平台的综合微信群，主要讨论数据动态、数据应用和方法论的话题；

数据人圈R语言是数据人网平台的R语言微信群，讨论R语言及在数据应用的话题。

数据人圈Python语言是数据人网平台的Python语言微信群，讨论Python语言及在数据应用的话题。

诚邀伙伴们加入，小编微信：luqin360，请注明要加入那个圈子。

数据人网平台的QQ社群，欢迎伙伴们按需加入。

数据人网官方公众号：数据科学自媒体，分享数据科学干货。