Ein Random-Forest-Modell auswerten

Ähnlich wie beim linearen Regressionsmodell verwendest du die Kennzahl MAE, um die Leistung des Random-Forest-Modells zu bewerten.

Diese Übung ist Teil des Kurses

<Kurs>Machine Learning im Tidyverse</Kurs>

Kurs ansehen

Übungsanweisungen

Berechne den MAE, indem du die tatsächlichen mit den vorhergesagten Werten für die Validierungsdaten vergleichst, und weise ihn der Spalte validate_mae zu.
Gib die Spalte validate_mae aus (achte darauf, wie sie variieren).
Berechne den Mittelwert dieser Spalte.

Hinweis: Die tatsächlichen Werte des Validierungs-Folds (validate_actual) wurden bereits zu deinem Data Frame cv_data hinzugefügt.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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
___

Code bearbeiten und ausführen