Valuta le prestazioni del modello
Ora che hai sia i valori reali sia quelli predetti per ciascuna fold, puoi confrontarli per misurare le prestazioni.
Per questo modello di regressione, misurerai il Mean Absolute Error (MAE) tra questi due vettori. Questo valore indica la differenza media tra i valori reali e quelli predetti.
Questo esercizio fa parte del corso
Machine Learning nel tidyverse
Istruzioni dell'esercizio
- Calcola il MAE confrontando i valori reali con quelli predetti per i dati di validazione e assegnalo alla colonna
validate_mae. - Stampa la colonna
validate_mae(nota come variano). - Calcola la media di questa colonna.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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
___