ComeçarComece de graça

Avaliar o ensemble

Até aqui, tudo bem. Mas quão bom exatamente? Mostre suas habilidades de avaliação de modelos fazendo validação cruzada do seu AUC fora da amostra!

A especificação boost_spec e o tibble customers_train ainda estão carregados.

Este exercício faz parte do curso

Machine Learning com modelos baseados em árvores em R

Ver curso

Instruções do exercício

  • Crie cinco folds de validação cruzada do seu conjunto de treinamento e salve como folds.
  • Treine e avalie um modelo que prevê still_customer para cada fold, usando sua especificação, todas as variáveis preditoras e a métrica AUC.
  • Colete as métricas de cv_results e verifique o AUC médio.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

set.seed(99)

# Create CV folds
folds <- ___

# Fit and evaluate models for all folds
cv_results <- fit_resamples(___,
                            ___,
                            resamples = ___,
                            ___)

# Collect cross-validated metrics
___
Editar e executar o código