Tham số cho hiệu suất tốt nhất
Bạn đã xây dựng các mô hình trong đó bạn thay đổi siêu tham số riêng của random forest là mtry với hy vọng cải thiện mô hình hơn nữa. Bây giờ bạn sẽ đo lường hiệu suất của từng giá trị mtry trên 5 phần chia cross validation để xem liệu bạn có thể cải thiện mô hình không.
Hãy nhớ rằng giá trị validate MAE bạn đã tính ở bài tập cách đây hai bước là 0.795 ứng với giá trị mtry mặc định là 2.
Bài tập này là một phần của khóa học
Machine Learning trong tidyverse
Hướng dẫn bài tập
- Tạo dự đoán cho từng tổ hợp mtry/fold.
- Tính MAE cho từng tổ hợp mtry/fold.
- Tính MAE trung bình cho mỗi giá trị của
mtry.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Generate validate predictions for each model
cv_prep_tunerf <- cv_model_tunerf %>%
mutate(validate_predicted = map2(.x = ___, .y = ___, ~predict(.x, .y)$predictions))
# Calculate validate MAE for each fold and mtry combination
cv_eval_tunerf <- cv_prep_tunerf %>%
mutate(validate_mae = map2_dbl(.x = ___, .y = ___, ~mae(actual = .x, predicted = .y)))
# Calculate the mean validate_mae for each mtry used
cv_eval_tunerf %>%
group_by(___) %>%
summarise(mean_mae = mean(___))