सबसे बेहतर प्रदर्शन करने वाला पैरामीटर
अब आपने ऐसे मॉडल बनाए हैं जिनमें आपने अपने मॉडल को और बेहतर करने की उम्मीद में random forest-विशिष्ट हाइपरपैरामीटर mtry को बदला है। अब आप 5 cross validation partitions में प्रत्येक mtry मान का प्रदर्शन मापेंगे ताकि देखें कि क्या आप मॉडल में सुधार कर सकते हैं.
याद रखें कि दो अभ्यास पहले आपने जो validate MAE निकाली थी 0.795, वह डिफ़ॉल्ट mtry मान 2 के लिए थी.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
- प्रत्येक mtry/fold संयोजन के लिए predictions जनरेट करें.
- प्रत्येक mtry/fold संयोजन के लिए MAE निकालें.
mtryके प्रत्येक मान के लिए mean MAE की गणना करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Generate validate predictions for each model
cv_prep_tunerf <- cv_model_tunerf %>%
mutate(validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y)$predictions))
# Calculate validate MAE for each fold and mtry combination
cv_eval_tunerf <- cv_prep_tunerf %>%
mutate(validate_mae = map2_dbl(.x = ___, .y = ___, ~mae(actual = .x, predicted = .y)))
# Calculate the mean validate_mae for each mtry used
cv_eval_tunerf %>%
group_by(___) %>%
summarise(mean_mae = mean(___))