Ewaluacja modelu lasów losowych
Podobnie jak w przypadku modelu regresji liniowej, do oceny wydajności modelu lasów losowych użyjesz metryki MAE.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w tidyverse
Instrukcje do ćwiczenia
- Oblicz MAE, porównując wartości rzeczywiste z wartościami przewidywanymi dla danych walidacyjnych i przypisz wynik do kolumny
validate_mae. - Wyświetl kolumnę
validate_mae(zwróć uwagę, jak różnią się jej wartości). - Oblicz średnią tej kolumny.
Uwaga: Wartości rzeczywiste dla foldu walidacyjnego (validate_actual) zostały już dodane do ramki danych cv_data.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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
___