1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe z modelami drzewiastymi w R
Connected

ćwiczenie

Wydajność na danych treningowych i testowych

Czy bardziej złożony model zawsze daje lepsze wyniki? Jak omówiliśmy w materiale wideo, to tylko część prawdy.

Przeuczony model doskonale rozumie strukturę swojego zbioru treningowego, ale nie potrafi uogólniać na nowe dane. To niezbyt dobra wiadomość! W końcu głównym celem modelu predykcyjnego jest dobre działanie na nowych danych, prawda? Czas to zbadać!

Wczytany jest ostatni model z poprzedniego ćwiczenia, complex_model, oraz dane treningowe i testowe (chocolate_train i chocolate_test).

Instrukcje 1/2

undefined XP
  • 1
    • Użyj modelu complex_model, aby przewidzieć oceny na zbiorze treningowym, dodaj te predykcje do oryginalnych danych treningowych i oblicz średni błąd bezwzględny.
  • 2
    • Dostosuj swój kod, aby przewidzieć oceny na zbiorze testowym, dodaj te predykcje do oryginalnych danych testowych i oblicz średni błąd bezwzględny.