Mesurer la performance avec la validation croisée
La validation croisée utilise les données d’entraînement pour fournir plusieurs estimations de la performance du modèle. Lorsque vous testez différents types de modèles sur vos données, il est important d’étudier leur profil de performance afin de choisir celui qui est le plus constant.
Dans cet exercice, vous allez réaliser une validation croisée avec votre modèle d’arbre de décision workflow pour en explorer la performance.
Les données d’entraînement, loans_training, et votre objet workflow, loans_dt_wkfl, ont été chargés dans votre session.
Cet exercice fait partie du cours
Modéliser avec tidymodels en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create cross validation folds
set.seed(290)
loans_folds <- ___(___, v = ___,
strata = ___)
loans_folds