모델 성능 평가
이제 각 폴드의 실제 값과 예측 값을 모두 구했으므로, 두 값을 비교하여 성능을 측정할 수 있습니다.
이 회귀 모델에서는 두 벡터 간의 평균 절대 오차(MAE, Mean Absolute Error)를 측정합니다. 이 값은 실제 값과 예측 값의 평균 차이를 나타냅니다.
이 연습은 강의의 일부입니다
Tidyverse로 배우는 Machine Learning
연습 안내
- 검증 데이터의 실제 값과 예측 값을 비교하여 MAE를 계산하고, 결과를
validate_mae열에 할당하세요. validate_mae열을 출력하세요(값이 어떻게 달라지는지 확인해 보세요).- 이 열의 평균을 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
library(Metrics)
# Calculate the mean absolute error for each validate fold
cv_eval_lm <- cv_prep_lm %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
cv_eval_lm$___
# Calculate the mean of validate_mae column
___