En iyi modeli kur ve değerlendir

Çapraz doğrulama kullanarak, gapminder içindeki tüm özelliklerle life_expectancy tahmini için en iyi modeli belirledin. Artık modelini seçtiğine göre, ayırdığın bağımsız veri kümesini (testing_data) kullanarak bu modelin yeni verilerdeki performansını tahmin edebilirsin.

Bu modeli tüm training_data ile kuracak ve testing_data kullanarak değerlendireceksin.

Bu egzersiz

Tidyverse ile Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Tüm eğitim verilerini kullanarak en iyi performanslı modeli (mtry = 4) kurmak için ranger() kullan. Bunu best_model değişkenine ata.
testing_data içinden life_expectancy sütununu çıkar ve test_actual değişkenine ata.
best_model ile testing verisinde life_expectancy tahmini yap ve sonucu test_predicted değişkenine ata.
MAE'yi test_actual ve test_predicted vektörlerini kullanarak hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Build the model using all training data and the best performing parameter
best_model <- ranger(formula = ___, data = ___,
                     mtry = ___, num.trees = 100, seed = 42)

# Prepare the test_actual vector
test_actual <- testing_data$___

# Predict life_expectancy for the testing_data
test_predicted <- predict(___, ___)$predictions

# Calculate the test MAE
mae(___, ___)

Kodu Düzenle ve Çalıştır