Prestazioni out-of-sample
Le prestazioni in-sample aiutano a capire quanto bene un modello cattura i dati su cui è stato addestrato. Per i modelli predittivi, è altrettanto importante verificare le prestazioni del modello su dati nuovi, mai visti prima: le prestazioni out-of-sample.
In questo esercizio, controllerai le predizioni sul test set del tuo modello usando la MAE (mean absolute error).
Nel tuo ambiente è già caricato di nuovo il model che hai costruito e usato negli esercizi precedenti.
Questo esercizio fa parte del corso
Machine Learning con modelli ad albero in R
Istruzioni dell'esercizio
- Usa
modelper predirefinal_gradeout-of-sample e aggiungi le tue predizioni achocolate_testusandobind_cols(). - Calcola la mean absolute error usando una funzione di
yardstick.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Predict ratings on test set and add true grades
test_enriched <- predict(__, new_data = ___) %>%
bind_cols(___)
# Compute the mean absolute error using one single function
___(___,
___,
___)