Vorbereitung auf die Auswertung

Um die validate-Performance deiner Modelle zu messen, musst du die vorhergesagten Werte von life_expectancy für die Beobachtungen aus dem Validate-Set mit den tatsächlich erfassten Werten vergleichen. Hier bereitest du beide Vektoren für jede Partition vor.

Diese Übung ist Teil des Kurses

<Kurs>Machine Learning im Tidyverse</Kurs>

Kurs ansehen

Übungsanweisungen

Extrahiere die tatsächliche life_expectancy aus den Validate-Data-Frames und speichere sie in der Spalte validate_actual.
Sage die life_expectancy für jede Validate-Partition mithilfe der Funktionen map2() und predict() in der Spalte validate_predicted voraus.

Interaktive praktische Übung

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

cv_prep_lm <- cv_models_lm %>% 
  mutate(
    # Extract the recorded life expectancy for the records in the validate data frames
    validate_actual = map(validate, ~.x$___),
    # Predict life expectancy for each validate set using its corresponding model
    validate_predicted = map2(.x = model, .y = validate, ~___(.x, .y))
  )

Code bearbeiten und ausführen