Obliczanie wyników kroswalidacji
Kluczowe jest optymalizowanie modeli przy użyciu starannie dobranej metryki, która odpowiada celowi modelu.
Wyobraź sobie, że chcesz użyć tego modelu do identyfikowania pracowników, którzy prawdopodobnie odejdą z firmy. Zależy ci na modelu, który wykryje jak największą liczbę takich osób – dzięki temu będziesz mógł w porę zareagować. Metryką, która to odzwierciedla, jest recall. Dlatego będziesz używać wyłącznie recall do optymalizacji i wyboru modeli.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w tidyverse
Instrukcje do ćwiczenia
- Oblicz recall, porównując rzeczywiste i przewidywane odpowiedzi dla każdego foldu, i przypisz wynik do kolumny
validate_recall. - Wyświetl kolumnę
validate_recall. - Wyświetl średnią wartość tej kolumny.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the validate recall for each cross validation fold
cv_perf_recall <- cv_prep_lr %>%
mutate(validate_recall = map2_dbl(___, ___,
~recall(actual = .x, predicted = .y)))
# Print the validate_recall column
cv_perf_recall$___
# Calculate the average of the validate_recall column
___