Préparer l'évaluation par validation croisée

Maintenant que vous savez calculer les mesures de performance pour un seul modèle, vous êtes prêt à étendre cela à tous les volets du tableau de données de validation croisée.

Cette activité fait partie du cours

Machine Learning dans le tidyverse

Voir le cours

Instructions de l’exercice

Ajoutez la colonne binaire validate_actual pour chaque volet de validation croisée en convertissant toutes les valeurs "Yes" en TRUE.
Utilisez model pour prédire les probabilités d'attrition pour chaque volet validate de la validation croisée. Convertissez les probabilités prédites en un vecteur binaire, en traitant toutes les probabilités supérieures à 0.5 comme TRUE. Nommez cette colonne validate_predicted.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

cv_prep_lr <- cv_models_lr %>% 
  mutate(
    # Prepare binary vector of actual Attrition values in validate
    validate_actual = map(validate, ~.x$___ == "___"),
    # Prepare binary vector of predicted Attrition values for validate
    validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y, type = "response") > ___)
  )

Modifier et exécuter le code