Évaluer un modèle de forêt aléatoire
Comme pour le modèle de régression linéaire, vous allez utiliser la métrique MAE pour évaluer les performances du modèle de forêt aléatoire.
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
- Calculez la MAE en comparant les valeurs réelles aux valeurs prédites pour les données de validation et affectez-la à la colonne
validate_mae. - Affichez la colonne
validate_mae(notez leurs variations). - Calculez la moyenne de cette colonne.
Remarque : Les valeurs réelles du pli de validation (validate_actual) ont déjà été ajoutées à votre data frame 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
___