교차 검증 성능 평가 준비
단일 모델의 성능 지표를 계산하는 방법을 익혔으니, 이제 교차 검증 데이터 프레임의 모든 폴드(fold)로 확장해 보겠습니다.
이 연습은 강의의 일부입니다
Tidyverse로 배우는 Machine Learning
연습 안내
- 각 교차 검증 폴드에 대해
"Yes"값을 모두TRUE로 변환하여validate_actual이진 열을 추가하세요. model을 사용해 각 교차 검증 폴드의validate데이터에서 이탈(attrition) 확률을 예측하세요. 예측된 확률에서 0.5보다 큰 값을 모두TRUE로 처리하여 이진 벡터로 변환하고, 이 열의 이름을validate_predicted로 지정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
cv_prep_lr <- cv_models_lr %>%
mutate(
# Prepare binary vector of actual Attrition values in validate
validate_actual = map(validate, ~.x$___ == "___"),
# Prepare binary vector of predicted Attrition values for validate
validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y, type = "response") > ___)
)