Evalúa el conjunto
Hasta aquí, bien. Pero ¿qué tan bien exactamente? Demuestra tus habilidades de evaluación del modelo validando cruzadamente tu AUC fuera de muestra.
La especificación boost_spec y la tibble customers_train siguen cargadas.
Este ejercicio forma parte del curso
Machine Learning con modelos basados en árboles en R
Instrucciones del ejercicio
- Crea cinco particiones de validación cruzada (CV) de tu conjunto de entrenamiento y guárdalas como
folds. - Ajusta y evalúa un modelo que prediga
still_customerpara cada partición, usando tu especificación, todas las variables predictoras y la métrica AUC. - Recopila las métricas de
cv_resultsy comprueba la AUC media.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
set.seed(99)
# Create CV folds
folds <- ___
# Fit and evaluate models for all folds
cv_results <- fit_resamples(___,
___,
resamples = ___,
___)
# Collect cross-validated metrics
___