Préparer l’évaluation croisée des performances

Maintenant que vous savez calculer les métriques de performance pour un seul modèle, vous êtes prêt à étendre cela à tous les plis dans le data frame de validation croisée.

Cet exercice fait partie du cours

<cours>Machine Learning dans le tidyverse</cours>

Voir le cours

Instructions de l’exercice

Ajoutez la colonne binaire validate_actual pour chaque pli de validation croisée en convertissant toutes les valeurs "Yes" en TRUE.
Utilisez model pour prédire les probabilités d’attrition pour chaque pli de validation croisée de validate. Convertissez les probabilités prédites en un vecteur binaire, en considérant comme TRUE toutes les probabilités supérieures à 0.5. 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