Vyhodnocení modelu náhodného lesa
Stejně jako u modelu lineární regrese použiješ k vyhodnocení výkonu modelu náhodného lesa metriku MAE.
Toto cvičení je součástí kurzu
Machine Learning in the Tidyverse
Pokyny k cvičení
- Vypočítej MAE porovnáním skutečných a predikovaných hodnot pro validační data a výsledek ulož do sloupce
validate_mae. - Vypiš sloupec
validate_mae(všimni si, jak se hodnoty liší). - Vypočítej průměr tohoto sloupce.
Poznámka: Skutečné hodnoty validačního foldu (validate_actual) už byly přidány do datového rámce cv_data.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
library(ranger)
# Calculate validate MAE for each fold
cv_eval_rf <- cv_prep_rf %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
___
# Calculate the mean of validate_mae column
___