Utvärdera en random forest-modell
På samma sätt som för den linjära regressionsmodellen använder du måttet MAE för att utvärdera random forest-modellens prestanda.
Den här övningen är en del av kursen
Maskininlärning med Tidyverse
Övningsinstruktioner
- Beräkna MAE genom att jämföra de faktiska värdena med de förutsagda värdena för valideringsdata och tilldela resultatet till kolumnen
validate_mae. - Skriv ut kolumnen
validate_mae(notera hur värdena varierar). - Beräkna medelvärdet för den här kolumnen.
Obs: De faktiska värdena för valideringsdelen (validate_actual) har redan lagts till i din dataram cv_data.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
library(ranger)
# Calculate validate MAE for each fold
cv_eval_rf <- cv_prep_rf %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
___
# Calculate the mean of validate_mae column
___