Metriche di performance del modello
Valutare i risultati del modello è un passaggio importante nel processo di modellazione. La valutazione del modello va fatta sul dataset di test per capire quanto bene il modello generalizza a nuovi insiemi di dati.
Nell'esercizio precedente, hai addestrato un modello di regressione lineare per prevedere selling_price usando home_age e sqft_living come variabili predittive. Hai poi creato la tibble home_test_results applicando il modello addestrato ai dati home_test.
In questo esercizio, calcolerai le metriche RMSE e R squared usando i risultati in home_test_results.
La tibble home_test_results è già stata caricata nella tua sessione.
Questo esercizio fa parte del corso
Modellazione con tidymodels in R
Istruzioni dell'esercizio
- Esegui le prime due righe di codice che stampano
home_test_results. Questa tibble contiene i prezzi di vendita reali e previsti delle case nel datasethome_test. - Usando
home_test_results, calcola le metriche RMSE e R squared.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Print home_test_results
home_test_results
# Calculate the RMSE metric
home_test_results %>%
___(___, ___)
# Calculate the R squared metric
home_test_results %>%
___(___, ___)