폴드 적합하기
이제 데이터를 폴드로 나누었으니, 각 폴드를 사용해 모델을 학습하고 각 모델의 샘플 외 오차를 계산해 볼 차례예요. 이렇게 하면 동일한 모델 사양을 여러 번 샘플 외로 평가하므로, 모델 성능에 대한 균형 잡힌 추정치를 얻을 수 있어요.
작업 공간에는 지난 연습 문제에서 만든 chocolate_folds(초콜릿 학습 세트의 10개 폴드)가 준비되어 있어요.
이 연습은 강의의 일부입니다
R로 배우는 트리 기반 Machine Learning
연습 안내
- 아직 감을 잃지 않으셨죠?
"rpart"엔진을 사용하는 회귀 트리 사양tree_spec을 만드세요. fit_resamples()를 사용해tree_spec에 폴드를 적합하고,final_grade를 다른 모든 예측 변수로 모델링하며 MAE와 RMSE 모두로 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create a specification
tree_spec <- ___ %>%
___
___
# Fit all folds to the specification
fits_cv <- ___(tree_spec,
___,
resamples = ___,
metrics = ___)
fits_cv