Đánh giá các fold
Giờ bạn đã huấn luyện 10 mô hình bằng 10 fold và tính MAE và RMSE cho từng mô hình, đã đến lúc trực quan hóa mức độ lớn của các sai số. Cách này giúp bạn hình dung phân phối lỗi ngoài mẫu, rất hữu ích để đánh giá chất lượng mô hình.
Bạn sẽ vẽ biểu đồ histogram cho tất cả các lỗi này và hiển thị các thống kê tóm tắt trên toàn bộ các fold.
Kết quả của bài trước, fits_cv, đã được nạp sẵn.
Bài tập này là một phần của khóa học
Machine Learning với Mô hình Dựa trên Cây trong R
Hướng dẫn bài tập
- Thu thập lỗi ngoài mẫu của tất cả mô hình trong
fits_cvbằng một hàm duy nhất củayardstickvà lưu thànhall_errors. - Tạo biểu đồ histogram
ggplot2với.estimatelàm thuộc tính thẩm mỹxvà tô màu (fill) các cột theo.metric. - Dùng lại hàm ở bước đầu với
summarize = TRUEđể hiển thị các thống kê tóm tắt củafits_cv.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
library(ggplot2)
# Collect the errors
all_errors <- ___(___, summarize = ___)
# Plot an error histogram
ggplot(___, aes(___, ___)) +
___()
# Collect and print error statistics
___(fits_cv, ___)