評估模型效能
現在你已經取得每個折數的「實際值」與「預測值」，可以將它們拿來比較，以衡量效能。
對這個迴歸模型，你將計算這兩個向量之間的「平均絕對誤差（Mean Absolute Error, MAE）」。這個值表示「實際值」與「預測值」之間的平均差距。
本練習屬於課程
Tidyverse 的 Machine Learning
練習說明
- 比較驗證資料的實際值與預測值，計算 MAE，並將結果指定到
validate_mae欄位。 - 列印
validate_mae欄位（留意其變化）。 - 計算此欄位的平均值。
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(Metrics)
# Calculate the mean absolute error for each validate fold
cv_eval_lm <- cv_prep_lm %>%
mutate(validate_mae = map2_dbl(___, ___, ~mae(actual = .x, predicted = .y)))
# Print the validate_mae column
cv_eval_lm$___
# Calculate the mean of validate_mae column
___