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).
To ćwiczenie jest częścią kursu
Uczenie maszynowe z modelami drzewiastymi w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Predict on and combine with training data and calculate the error
predict(___, new_data = ___) %>%
___ %>%
mae(___,
___)