Desempenho do random forest

Agora é hora de verificar se os modelos de random forest que você construiu no exercício anterior conseguem superar o modelo de regressão logística.

Lembre-se de que o recall na validação para o modelo de regressão logística foi 0,43.

Este exercicio faz parte do curso

Machine Learning no tidyverse

Ver curso

Instruções do exercicio

Prepare as colunas validate_actual e validate_predicted para cada combinação de mtry/dobra.
Calcule o recall para cada combinação de mtry/dobra.
Calcule o recall médio para cada valor de mtry.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

cv_prep_rf <- cv_models_rf %>% 
  mutate(
    # Prepare binary vector of actual Attrition values in validate
    validate_actual = map(validate, ~.x$___ == "___"),
    # Prepare binary vector of predicted Attrition values for validate
    validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y, type = "response")$predictions == "Yes")
  )

# Calculate the validate recall for each cross validation fold
cv_perf_recall <- cv_prep_rf %>% 
  mutate(recall = map2_dbl(.x = ___, .y = ___, ~recall(actual = .x, predicted = .y)))

# Calculate the mean recall for each mtry used  
cv_perf_recall %>% 
  group_by(___) %>% 
  summarise(mean_recall = mean(___))

Editar e Executar Código