Utvärdera ensemblen
Hittills ser det bra ut. Men hur bra är modellen egentligen? Visa dina utvärderingsfärdigheter genom att korsvalidera ditt AUC på data utanför träningssettet!
Specifikationen boost_spec och tibble:n customers_train är fortfarande inlästa.
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i R
Övningsinstruktioner
- Skapa fem CV-folds av ditt träningsset och spara dem som
folds. - Träna och utvärdera en modell som förutsäger
still_customerför varje fold, med hjälp av din specifikation, alla prediktorvariabler och AUC-måttet. - Hämta måtten från
cv_resultsoch kontrollera genomsnittligt AUC.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
set.seed(99)
# Create CV folds
folds <- ___
# Fit and evaluate models for all folds
cv_results <- fit_resamples(___,
___,
resamples = ___,
___)
# Collect cross-validated metrics
___