Prestazioni della random forest
È il momento di verificare se i modelli di random forest che hai costruito nell’esercizio precedente riescono a superare il modello di regressione logistica.
Ricorda che il recall su validate per il modello di regressione logistica era 0,43.
Questo esercizio fa parte del corso
Machine Learning nel tidyverse
Istruzioni dell'esercizio
- Prepara le colonne
validate_actualevalidate_predictedper ogni combinazione mtry/fold. - Calcola il recall per ogni combinazione mtry/fold.
- Calcola il recall medio per ciascun valore di
mtry.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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(___))