Beräkna korsvaliderad prestanda
Det är viktigt att optimera modeller med ett noggrant valt mått som syftar till att uppnå modellens mål.
Föreställ dig att du vill använda den här modellen för att identifiera anställda som förväntas lämna företaget. Helst vill du ha en modell som fångar upp så många av dessa anställda som möjligt, så att du kan sätta in åtgärder i tid. Det mått som mäter detta är recall. Därför kommer du uteslutande att använda recall för att optimera och välja dina modeller.
Den här övningen är en del av kursen
Maskininlärning med Tidyverse
Övningsinstruktioner
- Beräkna recall genom att jämföra de faktiska med de förutsagda svaren för varje veck och tilldela resultatet till kolumnen
validate_recall. - Skriv ut kolumnen
validate_recall. - Skriv ut medelvärdet för den här kolumnen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate the validate recall for each cross validation fold
cv_perf_recall <- cv_prep_lr %>%
mutate(validate_recall = map2_dbl(___, ___,
~recall(actual = .x, predicted = .y)))
# Print the validate_recall column
cv_perf_recall$___
# Calculate the average of the validate_recall column
___