计算交叉验证性能

使用与模型目标一致、精心挑选的度量来优化模型至关重要。

设想在本例中，您希望用该模型识别出预计会离职的员工。理想情况下，您希望模型尽可能多地捕捉到即将离职的员工，以便及时干预。能够体现这一点的对应指标是 recall（召回率）。因此，您将只使用 recall 来优化并选择模型。

本练习是课程的一部分

Tidyverse 中的机器学习

查看课程

练习说明

计算每个折次中实际值与预测值之间的召回率，并将结果保存到 validate_recall 列。
打印 validate_recall 列。
打印该列的均值。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Calculate the validate recall for each cross validation fold
cv_perf_recall <- cv_prep_lr %>% 
  mutate(validate_recall = map2_dbl(___, ___, 
                                    ~recall(actual = .x, predicted = .y)))

# Print the validate_recall column
cv_perf_recall$___

# Calculate the average of the validate_recall column
___

编辑并运行代码