評估 random forest 模型
和線性迴歸模型一樣，你會使用 MAE 指標來評估 random forest 模型的效能。
本練習屬於課程
Tidyverse 的 Machine Learning
練習說明
- 針對驗證資料，將實際值與預測值相比以計算 MAE，並把結果指定到
validate_mae欄位。 - 列印
validate_mae欄位（注意它們之間的差異）。 - 計算此欄位的平均值。
注意： 驗證摺疊（validate_actual）的實際值已經加入你的 cv_data 資料框。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
library(ranger)
# Calculate validate MAE for each fold
cv_eval_rf <- cv_prep_rf %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
___
# Calculate the mean of validate_mae column
___