Ocena wydajności modelu
Masz już zarówno rzeczywiste, jak i przewidywane wartości dla każdego foldu – teraz możesz je porównać, aby zmierzyć wydajność modelu.
Dla tego modelu regresji obliczysz średni błąd bezwzględny (MAE) między tymi dwoma wektorami. Wartość ta informuje cię o średniej różnicy między wartościami rzeczywistymi a przewidywanymi.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w tidyverse
Instrukcje do ćwiczenia
- Oblicz MAE, porównując wartości rzeczywiste z przewidywanymi dla danych walidacyjnych i przypisz wynik do kolumny
validate_mae. - Wyświetl kolumnę
validate_mae(zwróć uwagę, jak się różnią wartości). - Oblicz średnią tej kolumny.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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
___