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

Machine Learning im Tidyverse

Kurs anzeigen

Anleitung zur Übung

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 Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

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