差分

このページの2つのバージョン間の差分を表示します。

この比較画面へのリンク

両方とも前のリビジョン前のリビジョン
次のリビジョン		前のリビジョン
mselab:2016:stat:week2 [2016/11/29 11:17] – watalumselab:2016:stat:week2 [2016/11/29 11:57] (現在) – watalu
行 17: 行 17:
   - キャンペーンの提案書の作成   - キャンペーンの提案書の作成
     - 一番上手に予測できた「制御パラメータを調整済み」の学習機械に基づいて、予測精度を自慢しつつ、効率が良いと思われるキャンペーンを提案する提案書を起草せよ。     - 一番上手に予測できた「制御パラメータを調整済み」の学習機械に基づいて、予測精度を自慢しつつ、効率が良いと思われるキャンペーンを提案する提案書を起草せよ。
 +
 +１回目と２回目とで、各手法に対する印象が少し異なってくると嬉しい。
  
 === 学習と予測 === === 学習と予測 ===
行 269: 行 271:
 table(v86.rpart, tic.eval$V86) table(v86.rpart, tic.eval$V86)
 </code> </code>
 +
 +rpartの制御はたとえば
 +<code>
 +tic.rpart <- rpart(V86~.,data=tic.learn.2, control=rpart.control(cp=0.00001, minsplit=5))
 +</code>
 +のように指定する。
  
 誤判別率(誤った予測をした割合)などを算出しつつ、各学習機械の制御パラメータを調整してみよ。 誤判別率(誤った予測をした割合)などを算出しつつ、各学習機械の制御パラメータを調整してみよ。