アンサンブルを評価する
ここまでは順調です。では実際どれくらい良いのでしょうか？アウト・オブ・サンプルのAUCをクロスバリデーションで検証して、モデル評価の腕前を証明しましょう！
boost_spec の仕様と customers_train ティブルは引き続き読み込まれています。
この演習はコースの一部です
Rで学ぶTree-Based ModelsによるMachine Learning
演習の手順
- 学習データのCVフォールドを5つ作成し、
foldsに保存します。 - 仕様、すべての説明変数、AUC指標を使い、各フォールドで
still_customerを予測するモデルを学習・評価します。 cv_resultsの指標を収集し、AUCの平均を確認します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
set.seed(99)
# Create CV folds
folds <- ___
# Fit and evaluate models for all folds
cv_results <- fit_resamples(___,
___,
resamples = ___,
___)
# Collect cross-validated metrics
___