Medidas de erro fora da amostra

Machine Learning com caret em R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Erro fora da amostra

Queremos modelos que não façam overfitting e generalizem bem
Os modelos vão bem em dados novos?
Teste os modelos em dados novos, um conjunto de teste
- Insight central de machine learning
- Validação dentro da amostra quase garante overfitting
Objetivo principal do caret e deste curso: evitar overfitting

# Fit a model to the mtcars data
data(mtcars)
model <- lm(mpg ~ hp, mtcars[1:20, ])

# Predict out-of-sample
predicted <- predict(
  model, mtcars[21:32, ], type = "response"
)

# Evaluate error
actual <- mtcars[21:32, "mpg"]
sqrt(mean((predicted - actual) ^ 2))

5.507236

# Fit a model to the full dataset
model2 <- lm(mpg ~ hp, mtcars)

# Predict in-sample
predicted2 <- predict(
  model, mtcars, type = "response"
)

# Evaluate error
actual2 <- mtcars[, "mpg"]
sqrt(mean((predicted2 - actual2) ^ 2))

3.74

Compare com o RMSE fora da amostra de 5,5.

Machine Learning com caret em R