表现最佳的参数

您已经构建了多个模型，并调整了随机森林特有的超参数 mtry，以期进一步提升模型表现。现在，您将衡量每个 mtry 值在 5 折交叉验证中的表现，看看是否能改进模型。

请记住，您在前两个练习中计算的验证集 MAE 为 0.795，这是默认 mtry 值为 2 时得到的结果。

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

为每个 mtry/折的组合生成预测。
计算每个 mtry/折组合的 MAE。
计算每个 mtry 值对应的平均 MAE。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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(___))

编辑并运行代码