CroccValidation

Задание 7.

Определить 2 оптимальных значения параметра K с помощью кросс-валидации (K∈{1,3,5,7,9,11,13,15}) и рассчитать для них величины ошибки классификации.

library(caret)
crossvalidation <- function(data)
{
  indexes <- createDataPartition(data$fake,p=0.1,times=10,list=F)
  for (k in seq(1,15,2))
  {
    err=c()
    mean_err=c()
    len=ncol(indexes)
    for (i in 1:len)
    {
      tr_set=data[indexes[,i],]
      val_set=data[-indexes[,i],]
      err=append(err,error_cl(tr_set,val_set,k)) 
      mean_err=mean(err)
    }

   cat("для k = ", k, " процент ошибок = ",mean_err,"% \n")
  }
}
crossvalidation(sample)

## для k =  1  процент ошибок =  20.717 % 
## для k =  3  процент ошибок =  17.178 % 
## для k =  5  процент ошибок =  16.805 % 
## для k =  7  процент ошибок =  16.262 % 
## для k =  9  процент ошибок =  16.992 % 
## для k =  11  процент ошибок =  17.191 % 
## для k =  13  процент ошибок =  17.415 % 
## для k =  15  процент ошибок =  17.624 %

Из полученных значений оптимальными можно считать К=5 и К=7