Evalueer een random forest-model
Net als bij het lineaire regressiemodel gebruik je de metriek MAE om de prestaties van het random forest-model te evalueren.
Deze oefening maakt deel uit van de cursus
Machine Learning in de tidyverse
Oefeninstructies
- Bereken de MAE door de werkelijke waarden met de voorspelde waarden voor de validate-data te vergelijken en sla deze op in de kolom
validate_mae. - Print de kolom
validate_mae(let op hoe ze verschillen). - Bereken het gemiddelde van deze kolom.
Opmerking: De werkelijke waarden van de validate-fold (validate_actual) zijn al toegevoegd aan je cv_data-dataframe.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
library(ranger)
# Calculate validate MAE for each fold
cv_eval_rf <- cv_prep_rf %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
___
# Calculate the mean of validate_mae column
___