ประสิทธิภาพของ Random Forest

ถึงเวลาแล้วที่จะดูว่าโมเดล random forest ที่สร้างไว้ในแบบฝึกหัดก่อนหน้าสามารถทำได้ดีกว่าโมเดล logistic regression หรือไม่

โปรดจำไว้ว่าค่า validate recall ของโมเดล logistic regression อยู่ที่ 0.43

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ใน Tidyverse

ดูคอร์ส

คำแนะนำการฝึกหัด

เตรียมคอลัมน์ validate_actual และ validate_predicted สำหรับแต่ละชุดค่าผสมของ mtry/fold
คำนวณ recall สำหรับแต่ละชุดค่าผสมของ mtry/fold
คำนวณค่าเฉลี่ย recall สำหรับแต่ละค่าของ mtry

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

cv_prep_rf <- cv_models_rf %>% 
  mutate(
    # Prepare binary vector of actual Attrition values in validate
    validate_actual = map(validate, ~.x$___ == "___"),
    # Prepare binary vector of predicted Attrition values for validate
    validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y, type = "response")$predictions == "Yes")
  )

# Calculate the validate recall for each cross validation fold
cv_perf_recall <- cv_prep_rf %>% 
  mutate(recall = map2_dbl(.x = ___, .y = ___, ~recall(actual = .x, predicted = .y)))

# Calculate the mean recall for each mtry used  
cv_perf_recall %>% 
  group_by(___) %>% 
  summarise(mean_recall = mean(___))

แก้ไขและรันโค้ด