Voorbereiden op kruis-gevalideerde prestaties

Nu je weet hoe je de prestatiekenmerken voor één model berekent, kun je dit uitbreiden naar alle folds in het cross-validatie-dataframe.

Deze oefening maakt deel uit van de cursus

Machine Learning in de tidyverse

Cursus bekijken

Oefeninstructies

Voeg de binaire kolom validate_actual toe voor elke cross-validatiefold door alle "Yes"-waarden om te zetten naar TRUE.
Gebruik model om de waarschijnlijkheden van verloop te voorspellen voor elke cross-validatiefold van validate. Zet de voorspelde waarschijnlijkheden om naar een binaire vector, waarbij alle waarschijnlijkheden groter dan 0.5 als TRUE worden beschouwd. Noem deze kolom validate_predicted.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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") > ___)
  )

Code bewerken en uitvoeren