शुरू करेंमुफ़्त में शुरू करें

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

पाठ्यक्रम देखें

अभ्यास निर्देश

  • प्रत्येक mtry/fold संयोजन के लिए validate_actual और validate_predicted कॉलम तैयार करें.
  • प्रत्येक mtry/fold संयोजन के लिए recall 계산 करें.
  • mtry के 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(___))
कोड संपादित करें और चलाएँ