Valuta l'insieme
Fin qui tutto bene. Ma quanto bene, esattamente? Metti alla prova le tue abilità di valutazione del modello convalidando incrociatamente l’AUC fuori campione!
La specifica boost_spec e la tibble customers_train sono ancora caricate.
Questo esercizio fa parte del corso
Machine Learning con modelli ad albero in R
Istruzioni dell'esercizio
- Crea cinque fold di CV del tuo insieme di training e salvali come
folds. - Adatta e valuta un modello che predica
still_customerper ogni fold, usando la tua specifica, tutte le variabili predittive e la metrica AUC. - Raccogli le metriche di
cv_resultse controlla l’AUC media.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
set.seed(99)
# Create CV folds
folds <- ___
# Fit and evaluate models for all folds
cv_results <- fit_resamples(___,
___,
resamples = ___,
___)
# Collect cross-validated metrics
___