ComeçarComece de graça

Ajuste os folds

Agora que você dividiu seus dados em folds, é hora de usá-los para treinar o modelo e calcular o erro fora da amostra de cada modelo. Assim, você obtém uma estimativa equilibrada do desempenho da sua especificação de modelo porque a avaliou fora da amostra várias vezes.

Está disponível no seu ambiente o objeto chocolate_folds, que você criou no último exercício (10 folds do conjunto de treinamento de chocolate).

Este exercício faz parte do curso

Machine Learning com modelos baseados em árvores em R

Ver curso

Instruções do exercício

  • Mostre que você ainda tem a mão: crie tree_spec, uma especificação de árvore de regressão usando o mecanismo "rpart".
  • Use fit_resamples() para ajustar seus folds a tree_spec, modelando final_grade usando todos os outros preditores e avaliando com MAE e RMSE.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Create a specification
tree_spec <- ___ %>%
    ___
    ___

# Fit all folds to the specification
fits_cv <- ___(tree_spec,
               ___,
               resamples = ___,
               metrics = ___)

fits_cv
Editar e executar o código