Rendimiento in-sample y out-of-sample
¿Un modelo más sofisticado siempre rinde mejor? Como comentamos en el vídeo, eso solo es parte de la verdad.
Los modelos sobreajustados captan a la perfección la estructura de su conjunto de entrenamiento, pero no generalizan a datos nuevos. ¡Vaya faena! Al final, el objetivo principal de un modelo predictivo es funcionar bien con datos que no ha visto, ¿verdad? ¡Investiga!
Ya tienes precargado el último modelo del ejercicio anterior, complex_model, y tus datos de entrenamiento y prueba (chocolate_train y chocolate_test).
Este ejercicio forma parte del curso
Machine Learning con modelos basados en árboles en R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Predict on and combine with training data and calculate the error
predict(___, new_data = ___) %>%
___ %>%
mae(___,
___)