Calculer manuellement la RMSE sur le jeu de test
Maintenant que vous avez des prédictions sur le jeu de test, vous pouvez les utiliser pour calculer une métrique d’erreur (ici la RMSE) sur ce jeu et évaluer les performances du modèle en hors échantillon, plutôt qu’en intra-échantillon comme dans le premier exercice. Vous allez d’abord calculer les erreurs entre les prix des diamants prédits et les prix réels des diamants en soustrayant les prédictions des valeurs observées.
Une fois le vecteur d’erreurs obtenu, calculer la RMSE revient à l’élever au carré, en prendre la moyenne, puis la racine carrée :
sqrt(mean(error^2))
Cet exercice fait partie du cours
Machine Learning avec caret en R
Instructions
test, model et p sont chargés dans votre espace de travail.
- Calculez l’erreur entre les prédictions sur le jeu de test et les prix réels des diamants dans le jeu de test. Nommez ce vecteur
error. - Calculez la RMSE à partir de ce vecteur d’erreurs et affichez simplement le résultat dans la console.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Compute errors: error
# Calculate RMSE