Leistung mit Cross-Validation messen
Cross-Validation nutzt Trainingsdaten, um mehrere Schätzungen der Modellleistung zu liefern. Wenn du verschiedene Modelltypen auf deinen Daten ausprobierst, ist es wichtig, ihr Leistungsprofil zu untersuchen, um zu entscheiden, welcher Modelltyp durchgängig gut abschneidet.
In dieser Übung führst du mit deinem Entscheidbaum-workflow eine Cross-Validation durch, um seine Leistung zu erkunden.
Die Trainingsdaten loans_training und dein workflow-Objekt loans_dt_wkfl wurden in deine Sitzung geladen.
Diese Übung ist Teil des Kurses
<Kurs>Modellierung mit tidymodels in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create cross validation folds
set.seed(290)
loans_folds <- ___(___, v = ___,
strata = ___)
loans_folds