IniziaInizia gratis

Valuta le fold

Ora che hai addestrato 10 modelli usando tutte e 10 le tue fold e calcolato MAE e RMSE per ciascuno di questi modelli, è il momento di visualizzare l’entità degli errori. In questo modo sviluppi un’intuizione sulla distribuzione dell’errore out-of-sample, utile per valutare la qualità del modello.

Rappresenterai tutti questi errori con un istogramma e mostrerai le statistiche riassuntive su tutte le fold.

Il risultato dell’esercizio precedente, fits_cv, è già caricato.

Questo esercizio fa parte del corso

Machine Learning con modelli ad albero in R

Visualizza il corso

Istruzioni dell'esercizio

  • Raccogli gli errori out-of-sample di tutti i modelli in fits_cv usando un’unica funzione di yardstick e salvali come all_errors.
  • Crea un istogramma ggplot2 usando .estimate come estetica x e fill delle barre impostato su .metric.
  • Usa la stessa funzione della prima istruzione con summarize = TRUE per mostrare le statistiche riassuntive di fits_cv.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

library(ggplot2)

# Collect the errors
all_errors <- ___(___, summarize = ___)

# Plot an error histogram
ggplot(___, aes(___, ___)) +
        ___()

# Collect and print error statistics
___(fits_cv, ___)
Modifica ed esegui il codice