सबसे अच्छा मॉडल बनाएँ और मूल्यांकन करें
Cross-validation का उपयोग करके आपने gapminder में मौजूद सभी फीचर्स से life_expectancy की भविष्यवाणी करने के लिए सबसे अच्छा मॉडल पहचाना। अब जब आपने अपना मॉडल चुन लिया है, तो आप अलग रखे गए स्वतंत्र डेटा सेट (testing_data) का उपयोग करके इस मॉडल का नए डेटा पर प्रदर्शन अनुमानित कर सकते हैं।
आप यह मॉडल पूरे training_data पर बनाएँगे और testing_data का उपयोग करके इसका मूल्यांकन करेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
ranger()का उपयोग करके सभी training डेटा पर सबसे अच्छा प्रदर्शन करने वाला मॉडल (mtry = 4) बनाएँ। इसेbest_modelको असाइन करें।testing_dataसेlife_expectancyकॉलम निकालकरtest_actualको असाइन करें।best_modelका उपयोग करकेtestingडेटा परlife_expectancyकी भविष्यवाणी करें और इसेtest_predictedको असाइन करें।test_actualऔरtest_predictedवेक्टर का उपयोग करके MAE की गणना करें।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build the model using all training data and the best performing parameter
best_model <- ranger(formula = ___, data = ___,
mtry = ___, num.trees = 100, seed = 42)
# Prepare the test_actual vector
test_actual <- testing_data$___
# Predict life_expectancy for the testing_data
test_predicted <- predict(___, ___)$predictions
# Calculate the test MAE
mae(___, ___)