Modellleistung bewerten
Jetzt, da du für jeden Fold sowohl die tatsächlichen als auch die vorhergesagten Werte hast, kannst du sie vergleichen, um die Leistung zu messen.
Für dieses Regressionsmodell misst du den Mean Absolute Error (MAE) zwischen diesen beiden Vektoren. Dieser Wert zeigt dir den durchschnittlichen Unterschied zwischen den tatsächlichen und vorhergesagten Werten.
Diese Übung ist Teil des Kurses
Machine Learning im Tidyverse
Anleitung zur Übung
- Berechne den MAE, indem du die tatsächlichen mit den vorhergesagten Werten für die Validierungsdaten vergleichst, und schreibe ihn in die Spalte
validate_mae. - Gib die Spalte
validate_maeaus (achte darauf, wie sie sich unterscheiden). - Berechne den Mittelwert dieser Spalte.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
library(Metrics)
# Calculate the mean absolute error for each validate fold
cv_eval_lm <- cv_prep_lm %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
cv_eval_lm$___
# Calculate the mean of validate_mae column
___