เตรียมพร้อมสำหรับการประเมินประสิทธิภาพแบบ Cross-Validated

เมื่อเรียนรู้วิธีคำนวณเมตริกประสิทธิภาพสำหรับโมเดลเดียวแล้ว ขั้นตอนต่อไปคือขยายการคำนวณนี้ไปยังทุก fold ใน data frame ของ cross-validation

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ใน Tidyverse

ดูคอร์ส

คำแนะนำการฝึกหัด

เพิ่มคอลัมน์ไบนารี validate_actual สำหรับแต่ละ fold ของ cross-validation โดยแปลงค่า "Yes" ทั้งหมดเป็น TRUE
ใช้ model เพื่อพยากรณ์ความน่าจะเป็นของการลาออกสำหรับแต่ละ fold ของ validate แล้วแปลงค่าความน่าจะเป็นที่ได้เป็นเวกเตอร์ไบนารี โดยถือว่าค่าที่มากกว่า 0.5 เป็น TRUE และตั้งชื่อคอลัมน์นี้ว่า validate_predicted

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

cv_prep_lr <- cv_models_lr %>% 
  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") > ___)
  )

แก้ไขและรันโค้ด