try to find the bug C01Lb

Author: GuyliannEngels

DESCRIPTION

@@ -1,5 +1,5 @@
 Package: BioDataScience3
-Version: 2020.0.0
+Version: 2020.0.1
 Title: A Series of Learnr Documents for Biological Data Science 3
 Description: Interactive documents using learnr for studying biological data science (second course).
 Authors@R: c(

inst/tutorials/C01Lb_lda/C01Lb_lda.Rmd

@@ -4,7 +4,7 @@ author: "Guyliann Engels & Philippe Grosjean"
 description: "**SDD III** Exercices sur l'ADL"
 tutorial:
   id: "C01Lb_lda"
-  version: 1.0.0/5
+  version: 1.1.0/5
 output:
   learnr::tutorial:
     progressive: true
@@ -47,36 +47,39 @@ n_learning <- round(n * 2/3)
 set.seed(164)
 learning <- sample(1:n, n_learning)
 
-bio_test <- slice(bio, -learning)
-bio_learn <- slice(bio, learning)
+testset <- bio[-learning, ]
+learnset <- bio[learning, ]
 
-bio_lda <- mlLda(formula = gender ~ ., data= bio_learn)
-bio_conf <- confusion(predict(bio_lda, bio_test), bio_test$gender)
+bio_lda <- mlLda(formula = gender ~ ., data= learnset)
+bio_conf <- confusion(predict(bio_lda, testset), testset$gender)
 conf_tab <- summary(bio_conf)
 ```
 
 ```{r prepa}
-# prepa data
+library(mlearning)
+SciViews::R()
+
+# exercice 1 : résolution
 read("biometry", package = "BioDataScience") %>.%
   select(., gender, weight, height, wrist) %>.%
   drop_na(.) -> bio
 
 # Prepare learn test and set test
 n <- nrow(bio)
-nlearning <- round(n * 2/3)
+n_learning <- round(n * 2/3)
 set.seed(164)
-learning <- sample(1:n, nlearning)
+learning <- sample(1:n, n_learning)
 
-bio_test <- slice(bio, -learning)
-bio_learn <- slice(bio,learning)
+testset <- bio[-learning, ]
+learnset <- bio[learning, ]
 
-bio_lda <- mlLda(formula = gender ~ ., data = bio_learn)
+bio_lda <- mlLda(formula = gender ~ ., data= learnset)
+bio_conf <- confusion(predict(bio_lda, testset), testset$gender)
+conf_tab <- summary(bio_conf)
 ```
 
-
 ## Création de votre modèle
 
-
 Vous avez à votre disposition le jeu de données `bio` dont un résumé est proposé ci-dessous. 
 
 ```{r, echo = TRUE}
@@ -89,16 +92,16 @@ Ce tableau comprend `r ncol(bio)` variables. La variable `gender` est une variab
 - height : la taille en cm
 - wrist : la circonférence du poignet en mm
 
-Cet tableau est divisé en un set d'apprentissage et un set de test. Le set d'apprentissage comprend 2/3 du tableau principal. Ce tableau nommé  `bio_learn` comprend `r nrow(bio_learn)` 
+Cet tableau est divisé en un set d'apprentissage et un set de test. Le set d'apprentissage comprend 2/3 du tableau principal. Ce tableau nommé  `learnset` comprend `r nrow(learnset)` 
 
 ```{r, echo=TRUE}
-table(bio_learn$gender)
+table(learnset$gender)
 ```
 
-Le tableau de test se nomme `bio_test` et comprend `r nrow(bio_test)`.
+Le tableau de test se nomme `testset` et comprend `r nrow(testset)`.
 
 ```{r}
-table(bio_test$gender)
+table(testset$gender)
 ```
 
 Réalisez un modèle avec le set d'apprentissage. Prédisez la variable `gender` à l'aide des 3 variables numériques. 
@@ -109,12 +112,12 @@ summary(bio_lda)
 ```
 
 ```{r lda1_h2-hint-1}
-bio_lda <- mlLda(formula = ___ ~ ___, data = bio_learn)
+bio_lda <- mlLda(formula = ___ ~ ___, data = learnset)
 summary(bio_lda)
 ```
 
 ```{r lda1_h2-solution}
-bio_lda <- mlLda(formula = gender ~ ., data = bio_learn)
+bio_lda <- mlLda(formula = gender ~ ., data = learnset)
 summary(bio_lda)
 ```
 
@@ -140,7 +143,7 @@ summary(bio_conf)
 
 ```{r lda2_h2-hint-1}
 # prédiction sur le set de test
-bio_pred <- predict(bio_lda, bio_test)
+bio_pred <- predict(bio_lda, testset)
 # matrice de confusion
 bio_conf <- confusion(bio_pred, ___$___)
 # analyse du résultat 
@@ -150,9 +153,9 @@ summary(bio_conf)
 
 ```{r lda2_h2-solution}
 # prédiction sur le set de test
-bio_pred <- predict(bio_lda, bio_test)
+bio_pred <- predict(bio_lda, testset)
 # matrice de confusion
-bio_conf <- confusion(bio_pred, bio_test$gender)
+bio_conf <- confusion(bio_pred, testset$gender)
 # analyse du résultat 
 bio_conf
 summary(bio_conf)