De folds fitten
Nu je de data in folds hebt gesplitst, is het tijd om ze te gebruiken voor het trainen van het model en het berekenen van de out-of-sample fout van elk afzonderlijk model. Zo krijg je een evenwichtige inschatting van de prestaties van je modelspecificatie, omdat je die meerdere keren out-of-sample hebt geëvalueerd.
In je werkruimte staat chocolate_folds, dat je in de vorige oefening hebt gemaakt (10 folds van de chocolade-trainingsset).
Deze oefening maakt deel uit van de cursus
Machine Learning met boomgebaseerde modellen in R
Oefeninstructies
- Laat zien dat je het nog steeds kunt: maak
tree_spec, een regressieboom-specificatie met een"rpart"-engine. - Gebruik
fit_resamples()om je folds te fitten mettree_spec, modelleerfinal_grademet alle andere voorspellers en evalueer met zowel MAE als RMSE.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create a specification
tree_spec <- ___ %>%
___
___
# Fit all folds to the specification
fits_cv <- ___(tree_spec,
___,
resamples = ___,
metrics = ___)
fits_cv