Random forest का प्रदर्शन
अब समय है यह देखने का कि क्या पिछले अभ्यास में बनाए गए random forest मॉडल, logistic regression मॉडल से बेहतर प्रदर्शन कर पाते हैं.
याद रखें कि logistic regression मॉडल का validate recall 0.43 था.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
- प्रत्येक mtry/fold संयोजन के लिए
validate_actualऔरvalidate_predictedकॉलम तैयार करें. - प्रत्येक mtry/fold संयोजन के लिए recall 계산 करें.
mtryके प्रत्येक मान के लिए mean recall 계산 करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
cv_prep_rf <- cv_models_rf %>%
mutate(
# Prepare binary vector of actual Attrition values in validate
validate_actual = map(validate, ~.x$___ == "___"),
# Prepare binary vector of predicted Attrition values for validate
validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y, type = "response")$predictions == "Yes")
)
# Calculate the validate recall for each cross validation fold
cv_perf_recall <- cv_prep_rf %>%
mutate(recall = map2_dbl(.x = ___, .y = ___, ~recall(actual = .x, predicted = .y)))
# Calculate the mean recall for each mtry used
cv_perf_recall %>%
group_by(___) %>%
summarise(mean_recall = mean(___))