CommencezCommencez gratuitement

Évaluer les plis

Vous avez maintenant entraîné 10 modèles avec vos 10 plis et calculé la MAE et la RMSE pour chacun. Il est temps de visualiser l'ampleur des erreurs. Cela vous aide à développer une intuition de la distribution des erreurs hors échantillon, utile pour évaluer la qualité de votre modèle.

Vous allez tracer toutes ces erreurs sous forme d'histogramme et afficher les statistiques sommaires pour l'ensemble des plis.

Le résultat de l'exercice précédent, fits_cv, est préchargé.

Cette activité fait partie du cours

Machine Learning avec des modèles arborescents en R

Voir le cours

Instructions de l’exercice

  • Collectez les erreurs hors échantillon de tous les modèles de fits_cv en utilisant une seule fonction de yardstick et enregistrez-les dans all_errors.
  • Créez un histogramme ggplot2 en utilisant .estimate comme esthétique x et fill les barres par .metric.
  • Utilisez la même fonction que dans la première instruction avec summarize = TRUE pour afficher les statistiques sommaires de fits_cv.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

library(ggplot2)

# Collect the errors
all_errors <- ___(___, summarize = ___)

# Plot an error histogram
ggplot(___, aes(___, ___)) +
        ___()

# Collect and print error statistics
___(fits_cv, ___)
Modifier et exécuter le code