LoslegenKostenlos starten

Folds fitten

Jetzt, da du deine Daten in Folds aufgeteilt hast, ist es Zeit, sie fürs Modelltraining zu nutzen und den Out-of-Sample-Fehler jedes einzelnen Modells zu berechnen. So erhältst du eine ausgewogene Schätzung der Performance deiner Modellspezifikation, weil du sie mehrfach out-of-sample evaluiert hast.

In deinem Workspace steht chocolate_folds bereit, das du in der letzten Übung erstellt hast (10 Folds des Chocolate-Trainingssets).

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Zeig, dass du’s noch drauf hast: Erstelle tree_spec, eine Regressionsbaum-Spezifikation mit der Engine "rpart".
  • Verwende fit_resamples(), um deine Folds mit tree_spec zu fitten, modelliere final_grade mit allen anderen Prädiktoren und bewerte mit MAE und RMSE.

Interaktive praktische Übung

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

# Create a specification
tree_spec <- ___ %>%
    ___
    ___

# Fit all folds to the specification
fits_cv <- ___(tree_spec,
               ___,
               resamples = ___,
               metrics = ___)

fits_cv
Code bearbeiten und ausführen