Meilleurs et pires ajustements de modèles
Dans cet exercice, vous allez répondre aux questions suivantes :
- Globalement, dans quelle mesure vos modèles s’ajustent-ils à vos données ?
- Quels sont les modèles qui s’ajustent le mieux ?
- Quels sont les modèles qui s’ajustent mal aux données ?
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
- Tracez un histogramme des valeurs de \(R^2\) des 77 modèles
- Extrayez les 4 modèles les mieux ajustés (selon \(R^2\)) et enregistrez ce data frame sous le nom
best_fit - Extrayez les 4 modèles les moins bien ajustés (selon \(R^2\)) et enregistrez ce data frame sous le nom
worst_fit
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Plot a histogram of rsquared for the 77 models
model_perf %>%
ggplot(aes(x = ___)) +
___()
# Extract the 4 best fitting models
best_fit <- model_perf %>%
slice_max(___, n = ___)
# Extract the 4 models with the worst fit
worst_fit <- model_perf %>%
slice_min(___, n = ___)