Vyhodnocení výkonu modelu
Teď, když máš k dispozici skutečné i předpovězené hodnoty pro každý fold, můžeš je porovnat a změřit výkon modelu.
Pro tento regresní model budeš měřit střední absolutní chybu (MAE) mezi těmito dvěma vektory. Tato hodnota ti říká, jaký je průměrný rozdíl mezi skutečnými a předpovězenými hodnotami.
Toto cvičení je součástí kurzu
Machine Learning in the Tidyverse
Pokyny k cvičení
- Vypočítej MAE porovnáním skutečných a předpovězených 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.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
library(Metrics)
# Calculate the mean absolute error for each validate fold
cv_eval_lm <- cv_prep_lm %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
cv_eval_lm$___
# Calculate the mean of validate_mae column
___