Výkon na trénovacích a testovacích datech
Platí vždy, že složitější model podá lepší výkon? Jak jsme si ukázali ve videu, pravda je trochu složitější.
Přetrénované modely sice dokonale zachytí strukturu trénovacích dat, ale nedokážou generalizovat na nová data. To je pořádný problém! Hlavním cílem prediktivního modelu je přece dobře fungovat na nových datech, nebo ne? Pojďme to prozkoumat!
K dispozici máš model z předchozího cvičení, complex_model, a trénovací i testovací data (chocolate_train a chocolate_test).
Toto cvičení je součástí kurzu
Machine Learning with Tree-Based Models in R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Predict on and combine with training data and calculate the error
predict(___, new_data = ___) %>%
___ %>%
mae(___,
___)