Oceń fałdy
Dopasowano już 10 modeli na wszystkich 10 fałdach i obliczono MAE oraz RMSE dla każdego z nich. Czas zwizualizować, jak duże są te błędy. Dzięki temu zbudujesz intuicję dotyczącą rozkładu błędu na danych testowych, co pomaga ocenić jakość modelu.
Naniesiemy wszystkie te błędy na histogram i wyświetlimy statystyki podsumowujące dla wszystkich fałdów.
Wynik poprzedniego ćwiczenia, fits_cv, jest wczytany.
To ćwiczenie jest częścią kursu
Uczenie maszynowe z modelami drzewiastymi w R
Instrukcje do ćwiczenia
- Zbierz błędy na danych testowych wszystkich modeli z
fits_cvza pomocą jednej funkcji z pakietuyardsticki zapisz je jakoall_errors. - Utwórz histogram w
ggplot2, używając.estimatejako estetykixi wypełniając słupki kolorem według.metric. - Użyj tej samej funkcji co w pierwszej instrukcji, tym razem z
summarize = TRUE, aby wyświetlić statystyki podsumowujące dlafits_cv.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
library(ggplot2)
# Collect the errors
all_errors <- ___(___, summarize = ___)
# Plot an error histogram
ggplot(___, aes(___, ___)) +
___()
# Collect and print error statistics
___(fits_cv, ___)