Comparer les profils de performance des modèles
L’avantage de la fonction collect_metrics() est qu’elle renvoie un tibble avec les résultats de la validation croisée. Cela facilite le calcul de statistiques récapitulatives personnalisées avec le package dplyr.
Dans cet exercice, vous allez utiliser dplyr pour explorer les résultats de validation croisée de vos modèles d’arbre de décision et de régression logistique.
Vos résultats de validation croisée, loans_dt_rs et loans_logistic_rs, 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.
# Detailed cross validation results
dt_rs_results <- ___ %>%
collect_metrics(___)
# Explore model performance for decision tree
dt_rs_results %>%
group_by(___) %>%
summarize(min = ___,
median = ___,
max = ___)