ComeçarComece de graça

Desempenho fora da amostra

O desempenho dentro da amostra (in-sample) mostra o quanto um modelo consegue capturar o padrão dos dados usados no ajuste. Para modelos preditivos, também é importante verificar o desempenho em dados novos, ainda não vistos — o desempenho fora da amostra (out-of-sample).

Neste exercício, você vai avaliar as previsões do conjunto de teste do seu modelo usando MAE (erro absoluto médio).

O model que você construiu e usou nos exercícios anteriores já está pré-carregado no seu ambiente.

Este exercício faz parte do curso

Machine Learning com modelos baseados em árvores em R

Ver curso

Instruções do exercício

  • Use model para prever final_grade fora da amostra e adicione suas previsões a chocolate_test usando bind_cols().
  • Calcule o erro absoluto médio usando uma função do yardstick.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Predict ratings on test set and add true grades
test_enriched <- predict(__, new_data = ___) %>%
    bind_cols(___)
    
# Compute the mean absolute error using one single function
___(___,
    ___,
    ___)
Editar e executar o código