We explore the use of the validatio

We explore the use of the validation set approach in order to estimate the test error rates that result from fitting various linear models on the Auto data set. Before we begin, we use the set.seed() function in order to set a seed for
seed
R’s random number generator, so that the reader of this book will obtain precisely the same results as those shown below. It is generally a good idea to set a random seed when performing an analysis such as cross-validation that contains an element of randomness, so that the results obtained can be reproduced precisely at a later time. We begin by using the sample() function to split the set of observations
sample()
into two halves, by selecting a random subset of 196 observations out of the original 392 observations. We refer to these observations as the training set.

Kết quả (Việt) 1:

Chúng tôi khám phá việc sử dụng các phương pháp tiếp cận thiết lập xác nhận để ước lượng tỷ lệ lỗi thử nghiệm mà kết quả từ fitting mô hình tuyến tính khác nhau trên các thiết lập dữ liệu tự động. Trước khi chúng tôi bắt đầu, chúng tôi sử dụng chức năng set.seed() để thiết lập một hạt giống chohạt giốngR của ngẫu nhiên số máy phát điện, do đó người đọc cuốn sách này sẽ có được chính xác kết quả tương tự như những người được hiển thị dưới đây. Nó nói chung là một ý tưởng tốt để đặt một hạt giống ngẫu nhiên khi thực hiện một phân tích như cross-xác nhận có một yếu tố ngẫu nhiên, do đó kết quả thu được có thể được sao chép chính xác tại một thời gian sau đó. Chúng tôi bắt đầu bằng cách sử dụng chức năng sample() để chia tập hợp các quan sátsample()thành hai nửa, bằng cách chọn một tập hợp ngẫu nhiên của các quan sát 196 ra khỏi các quan sát 392 ban đầu. Chúng tôi tham khảo những quan sát là tập huấn luyện.

Kết quả (Việt) 2:

Chúng tôi tìm hiểu việc sử dụng các phương pháp tập hợp kiểm chứng để ước tính tỷ lệ lỗi thử nghiệm mà kết quả từ fi fitting mô hình tuyến tính khác nhau trên các thiết lập tự động dữ liệu. Trước khi chúng ta bắt đầu, chúng tôi sử dụng các set.seed () chức năng để thiết lập một hạt giống cho
hạt giống
số ngẫu nhiên R, sao cho người đọc về cuốn sách này sẽ được chính xác kết quả tương tự như những hình dưới đây. Nó thường là một ý tưởng tốt để thiết lập một hạt giống ngẫu nhiên khi thực hiện một phân tích như cross-validation có chứa một yếu tố ngẫu nhiên, do đó, các kết quả thu được có thể được sao chép một cách chính xác tại một thời gian sau đó. Chúng ta bắt đầu bằng cách sử dụng các mẫu () chức năng để phân chia các bộ quan sát
mẫu ()
thành hai nửa, bằng cách chọn một tập hợp con ngẫu nhiên của 196 quan sát ra của 392 quan sát ban đầu. Chúng tôi coi những quan sát như tập huấn luyện.