search for: configuaraciones

...os con todos ellos, para lo que se hacen particiones: Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, sin datos faltantes, ni ruido ni nada asi. Entonces: for(i in 1:10){ train #saco el train de los datos test #saco el test de los datos pruebo RF, con diferentes configuaraciones (bucles j,k) pruebo SVM, con diferentes configuaraciones (bucles j,k) pruebo KNN pruebo LDA guardo resultados } y sobre el que mejor de, entonces ya creo el modelo definitivo, con el conjunto de datos global. Si fuera un randomForest randomForest(respuesta~.,ntree=500,nodesize=4,...

Hola, Eso es justamente lo que hace "caret" de una manera muy sencilla y sin que tú te tengas que preocupar de quedarte con el mejor bucket (del CV) o con la mejor combinación en tu "grid search". Te recomiendo que uses "caret" para esto.... Puedes incluso evaluar los dos algoritmos "RF" y "svm" a la vez y conocer realmente el nivel de precisión

...amos con todos ellos, para lo que se hacen particiones: Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, sin datos faltantes, ni ruido ni nada asi. Entonces: for(i in 1:10){ train #saco el train de los datos test #saco el test de los datos pruebo RF, con diferentes configuaraciones (bucles j,k) pruebo SVM, con diferentes configuaraciones (bucles j,k) pruebo KNN pruebo LDA guardo resultados } y sobre el que mejor de, entonces ya creo el modelo definitivo, con el conjunto de datos global. Si fuera un randomForest randomForest(respuesta~.,ntree=500,nodesize=4,dato...

...amos con todos ellos, para lo que se hacen particiones: Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, sin datos faltantes, ni ruido ni nada asi. Entonces: for(i in 1:10){ train #saco el train de los datos test #saco el test de los datos pruebo RF, con diferentes configuaraciones (bucles j,k) pruebo SVM, con diferentes configuaraciones (bucles j,k) pruebo KNN pruebo LDA guardo resultados } y sobre el que mejor de, entonces ya creo el modelo definitivo, con el conjunto de datos global. Si fuera un randomForest randomForest(respuesta~.,ntree=500,nodesize=4,dato...

...> > Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, > sin datos faltantes, ni ruido ni nada asi. Entonces: > > > > for(i in 1:10){ > > train #saco el train de los datos > > test #saco el test de los datos > > pruebo RF, con diferentes configuaraciones (bucles j,k) > > pruebo SVM, con diferentes configuaraciones (bucles j,k) > > pruebo KNN > > pruebo LDA > > > > guardo resultados > > > > } > > > > y sobre el que mejor de, entonces ya creo el modelo definitivo, con el > conjunto de datos glo...

...llamado datos, perfectamnte balanceado, >> sin datos faltantes, ni ruido ni nada asi. Entonces: >> >> >> >> for(i in 1:10){ >> >> train #saco el train de los datos >> >> test #saco el test de los datos >> >> pruebo RF, con diferentes configuaraciones (bucles j,k) >> >> pruebo SVM, con diferentes configuaraciones (bucles j,k) >> >> pruebo KNN >> >> pruebo LDA >> >> >> >> guardo resultados >> >> >> >> } >> >> >> >> y sobre el que mejor de,...

...>> sin datos faltantes, ni ruido ni nada asi. Entonces: >>> >>> >>> >>> for(i in 1:10){ >>> >>> train #saco el train de los datos >>> >>> test #saco el test de los datos >>> >>> pruebo RF, con diferentes configuaraciones (bucles j,k) >>> >>> pruebo SVM, con diferentes configuaraciones (bucles j,k) >>> >>> pruebo KNN >>> >>> pruebo LDA >>> >>> >>> >>> guardo resultados >>> >>> >>> >>> } >&...