Utvärdera modellens prestanda
Nu när du har både de faktiska och predikterade värdena för varje fold kan du jämföra dem för att mäta prestandan.
För den här regressionsmodellen mäter du det genomsnittliga absoluta felet (MAE) mellan dessa två vektorer. Det värdet anger den genomsnittliga skillnaden mellan de faktiska och predikterade värdena.
Den här övningen är en del av kursen
Maskininlärning med Tidyverse
Övningsinstruktioner
- Beräkna MAE genom att jämföra de faktiska med de predikterade 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.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
library(Metrics)
# Calculate the mean absolute error for each validate fold
cv_eval_lm <- cv_prep_lm %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
cv_eval_lm$___
# Calculate the mean of validate_mae column
___