1. सीखें
    2. /
  2. पाठ्यक्रम
    3. /
  3. R로 배우는 트리 기반 Machine Learning
Connected

अभ्यास

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.

निर्देश

100 XP
  • 아직 감을 잃지 않으셨죠? "rpart" 엔진을 사용하는 회귀 트리 사양 tree_spec을 만드세요.
  • fit_resamples()를 사용해 tree_spec에 폴드를 적합하고, final_grade를 다른 모든 예측 변수로 모델링하며 MAE와 RMSE 모두로 평가하세요.