Évaluer un modèle de forêt aléatoire
Comme pour le modèle de régression linéaire, vous utiliserez l'indicateur MAE pour évaluer la performance du modèle de forêt aléatoire.
Cette activité fait partie du cours
Machine Learning dans le tidyverse
Instructions de l’exercice
- Calculez la MAE en comparant les valeurs réelles et les valeurs prédites pour les données de validation et assignez-la à la colonne
validate_mae. - Affichez la colonne
validate_mae(notez comment elle varie). - Calculez la moyenne de cette colonne.
Remarque : Les valeurs réelles de la plage de validation (validate_actual) ont déjà été ajoutées à votre trame de données cv_data.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
library(ranger)
# Calculate validate MAE for each fold
cv_eval_rf <- cv_prep_rf %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
___
# Calculate the mean of validate_mae column
___