Začněte nyníZačněte zdarma

Vyhodnoť záhyby

Teď máš natrénovaných 10 modelů na všech 10 záhybech a u každého z nich jsi vypočítal/a MAE a RMSE. Je čas vizualizovat, jak velké chyby modely dělají. Díky tomu získáš intuici o rozdělení chyb na neviděných datech, což ti pomůže lépe posoudit kvalitu modelu.

Všechny chyby vykreslíš jako histogram a zobrazíš souhrnné statistiky přes všechny záhyby.

Výsledek předchozího cvičení, fits_cv, je předem načtený.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in R

Zobrazit kurz

Pokyny k cvičení

  • Pomocí jediné funkce z balíčku yardstick získej chyby na neviděných datech ze všech modelů v fits_cv a ulož je jako all_errors.
  • Vytvoř histogram pomocí ggplot2, kde .estimate použiješ jako estetiku x a sloupce vybarvi podle .metric.
  • Pomocí stejné funkce jako v prvním kroku, tentokrát s summarize = TRUE, zobraz souhrnné statistiky pro fits_cv.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

library(ggplot2)

# Collect the errors
all_errors <- ___(___, summarize = ___)

# Plot an error histogram
ggplot(___, aes(___, ___)) +
        ___()

# Collect and print error statistics
___(fits_cv, ___)
Upravit a spustit kód