Kom igångKom igång gratis

Prestanda på ny data

Prestanda på träningsdata ger en bild av hur väl en modell fångar upp de data den är tränad på. För prediktiva modeller är det också viktigt att utvärdera modellens prestanda på ny, osedd data – den så kallade out-of-sample-prestandan.

I den här övningen utvärderar du testmängdens prediktioner med hjälp av MAE (medelabsolutfel).

I din miljö finns igen den model som du byggde och använde i de tidigare övningarna.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i R

Visa kurs

Övningsinstruktioner

  • Använd model för att prediktera final_grade på ny data och lägg till dina prediktioner till chocolate_test med hjälp av bind_cols().
  • Beräkna medelabsolutfelet med en funktion från yardstick.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Predict ratings on test set and add true grades
test_enriched <- predict(__, new_data = ___) %>%
    bind_cols(___)
    
# Compute the mean absolute error using one single function
___(___,
    ___,
    ___)
Redigera och kör kod