Prestanda på tränings- och testdata
Presterar en mer komplex modell alltid bättre? Som vi tog upp i videon är det bara halva sanningen.
Överanpassade modeller lär sig träningsdatats struktur perfekt men klarar inte av att generalisera till nya data. Det är förstås ett problem! I slutändan är ju en prediktiv modells viktigaste uppgift att prestera bra på nya data. Dags att undersöka saken!
Förladdat finns den sista modellen från föregående övning, complex_model, samt dina tränings- och testdata (chocolate_train och chocolate_test).
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Predict on and combine with training data and calculate the error
predict(___, new_data = ___) %>%
___ %>%
mae(___,
___)