Začněte nyníZačněte zdarma

Výkon na testovacích datech

Výkon na trénovacích datech říká, jak dobře model zachycuje data, na kterých byl natrénován. U prediktivních modelů je ale stejně důležité ověřit výkon na nových, dosud neviděných datech – tedy out-of-sample výkon.

V tomto cvičení zkontrolujete predikce na testovací sadě pomocí MAE (střední absolutní chyby).

V prostředí je opět předpřipravený model, který jsi sestavil/a a používal/a v předchozích cvičeních.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in R

Zobrazit kurz

Pokyny k cvičení

  • Pomocí model předpověz final_grade na testovacích datech a přidej predikce do chocolate_test pomocí bind_cols().
  • Vypočítej střední absolutní chybu pomocí funkce z balíčku yardstick.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Predict ratings on test set and add true grades
test_enriched <- predict(__, new_data = ___) %>%
    bind_cols(___)
    
# Compute the mean absolute error using one single function
___(___,
    ___,
    ___)
Upravit a spustit kód