Modelprestaties evalueren
Nu je zowel de werkelijke als de voorspelde waarden van elke fold hebt, kun je ze vergelijken om de prestaties te meten.
Voor dit regressiemodel meet je de Mean Absolute Error (MAE) tussen deze twee vectors. Deze waarde geeft het gemiddelde verschil aan tussen de werkelijke en voorspelde waarden.
Deze oefening maakt deel uit van de cursus
Machine Learning in de tidyverse
Oefeninstructies
- Bereken de MAE door de werkelijke waarden te vergelijken met de voorspelde waarden voor de validate-data en ken deze toe aan de kolom
validate_mae. - Print de kolom
validate_mae(let op hoe ze verschillen). - Bereken het gemiddelde van deze kolom.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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
___