Comparer les profils de performance des modèles
L'avantage de la fonction collect_metrics() est qu'elle retourne un tibble des résultats de validation croisée. Cela facilite le calcul de statistiques sommaires personnalisées avec le paquet dplyr.
Dans cet exercice, vous utiliserez dplyr pour explorer les résultats de validation croisée de vos modèles d'arbre de décision et de régression logistique.
Vos résultats de validation croisée, loans_dt_rs et loans_logistic_rs, ont été chargés dans votre session.
Cette activité fait partie du cours
Modélisation avec tidymodels en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Detailed cross validation results
dt_rs_results <- ___ %>%
collect_metrics(___)
# Explore model performance for decision tree
dt_rs_results %>%
group_by(___) %>%
summarize(min = ___,
median = ___,
max = ___)