(i.) Rozdělte přidělená klasifikační a regresní data načtená ze zdrojových formátů, v nichž jste je obdrželi (ASCII soubor, tabulka databáze Access, tabulka databáze MySQL, tabulka Excel), náhodně na 5 přibližně stejně velkých částí pro 5-násobnou křížovou validaci.
(ii.) Pomocí grafického uživatelského rozhraní vytvořeného funkcí „stepwise“ studujte na celém souboru dat lineární regresi.
(iii.) Pomocí funkce „rstool“ studujte na celém souboru dat různé varianty kvadratické regrese, v závislosti na tom, na jak složité modely budou data stačit.
(iv.)
Pomocí funkce „classregtree“
sestrojte pro některý z regresních atributů nad trénovacími daty
regresní strom maximální možné velikosti a srovnejte průměrnou úrovneň
prořezání vedoucí k minimální chybě získanou pomocí 5-násobné křížové
validace a resubstituci trénovacích dat testovacími s úrovní prořezání
získanou při sestrojení stromu na celém souboru dat a použití 5-násobné křížové
validace zabudované do metody „test“ vytvořeného regresního stromu.