LoslegenKostenlos starten

Out-of-sample-Performance

Die In-sample-Performance zeigt, wie gut ein Modell die Daten erfasst, die es modelliert. Für Vorhersagemodelle ist es außerdem wichtig, die Modellgüte auf neuen, unbekannten Daten zu prüfen – der Out-of-sample-Performance.

In dieser Übung prüfst du die Vorhersagen auf dem Test-Set deines Modells mit MAE (Mean Absolute Error, mittlerer absoluter Fehler).

In deinem Workspace ist erneut das model vorab geladen, das du in den letzten Übungen gebaut und verwendet hast.

Diese Übung ist Teil des Kurses

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

Übungsanweisungen

  • Verwende model, um die Out-of-sample-final_grade vorherzusagen, und füge deine Vorhersagen mit bind_cols() zu chocolate_test hinzu.
  • Berechne den mittleren absoluten Fehler mit einer Funktion aus yardstick.

Interaktive praktische Übung

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

# Predict ratings on test set and add true grades
test_enriched <- predict(__, new_data = ___) %>%
    bind_cols(___)
    
# Compute the mean absolute error using one single function
___(___,
    ___,
    ___)
Code bearbeiten und ausführen