Evaluasi kinerja model
Sekarang Anda sudah memiliki nilai aktual dan prediksi untuk setiap fold, Anda dapat membandingkannya untuk mengukur kinerja.
Untuk model regresi ini, Anda akan mengukur Mean Absolute Error (MAE) antara kedua vektor tersebut. Nilai ini menunjukkan rata-rata perbedaan antara nilai aktual dan prediksi.
Latihan ini adalah bagian dari kursus
Machine Learning di Tidyverse
Petunjuk latihan
- Hitung MAE dengan membandingkan nilai aktual dengan nilai prediksi untuk data validasi dan simpan pada kolom
validate_mae. - Cetak kolom
validate_mae(perhatikan bagaimana nilainya bervariasi). - Hitung rata-rata dari kolom ini.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
library(Metrics)
# Calculate the mean absolute error for each validate fold
cv_eval_lm <- cv_prep_lm %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
cv_eval_lm$___
# Calculate the mean of validate_mae column
___