Metriken zur Modellgüte
Die Bewertung von Modellergebnissen ist ein wichtiger Schritt im Modellierungsprozess. Die Modellevaluation sollte auf dem Testdatensatz erfolgen, um zu sehen, wie gut ein Modell auf neue Datensätze verallgemeinert.
In der vorherigen Übung hast du ein lineares Regressionsmodell trainiert, um selling_price mithilfe von home_age und sqft_living als Prädiktorvariablen vorherzusagen. Anschließend hast du das Tibble home_test_results erstellt, indem du dein trainiertes Modell auf die home_test-Daten angewendet hast.
In dieser Übung berechnest du die Metriken RMSE und R-Quadrat anhand deiner Ergebnisse in home_test_results.
Das Tibble home_test_results wurde in deine Session geladen.
Diese Übung ist Teil des Kurses
<Kurs>Modellierung mit tidymodels in R</Kurs>Übungsanweisungen
- Führe die ersten zwei Codezeilen aus, die
home_test_resultsausgeben. Dieses Tibble enthält die tatsächlichen und vorhergesagten Verkaufspreise von Häusern imhome_test-Datensatz. - Berechne auf Basis von
home_test_resultsdie Metriken RMSE und R-Quadrat.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Print home_test_results
home_test_results
# Calculate the RMSE metric
home_test_results %>%
___(___, ___)
# Calculate the R squared metric
home_test_results %>%
___(___, ___)