Vergleich von Modellleistungsprofilen
Der Vorteil der Funktion collect_metrics() ist, dass sie ein Tibble mit Cross-Validation-Ergebnissen zurückgibt. So kannst du mit dem Paket dplyr ganz einfach eigene Zusammenfassungsstatistiken berechnen.
In dieser Übung nutzt du dplyr, um die Cross-Validation-Ergebnisse deiner Entscheidungsbaum- und Logistikregressionsmodelle zu untersuchen.
Deine Cross-Validation-Ergebnisse, loans_dt_rs und loans_logistic_rs, 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.
# Detailed cross validation results
dt_rs_results <- ___ %>%
collect_metrics(___)
# Explore model performance for decision tree
dt_rs_results %>%
group_by(___) %>%
summarize(min = ___,
median = ___,
max = ___)