Performance hors échantillon
La performance en échantillon donne un aperçu de la façon dont un modèle représente bien les données sur lesquelles il a été entraîné. Pour les modèles prédictifs, il est aussi important de vérifier la performance du modèle sur de nouvelles données jamais vues, soit la performance hors échantillon.
Dans cet exercice, vous allez vérifier les prédictions sur l'ensemble de test de votre modèle à l'aide de la MAE (erreur absolue moyenne).
Le model que vous avez construit et utilisé dans les exercices précédents est de nouveau préchargé dans votre espace de travail.
Cette activité fait partie du cours
Machine Learning avec des modèles arborescents en R
Instructions de l’exercice
- Utilisez
modelpour prédire la variable hors échantillonfinal_gradeet ajoutez vos prédictions àchocolate_testavecbind_cols(). - Calculez l'erreur absolue moyenne à l'aide d'une fonction de
yardstick.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Predict ratings on test set and add true grades
test_enriched <- predict(__, new_data = ___) %>%
bind_cols(___)
# Compute the mean absolute error using one single function
___(___,
___,
___)