Předpovědi sójového modelu na testovacích datech

V tomto cvičení aplikuješ sójové modely z předchozího cvičení (model.lin a model.gam, již načtené) na nová data: soybean_test.

Vytvoř sloupec soybean_test$pred.lin s předpověďmi z lineárního modelu model.lin.
Vytvoř sloupec soybean_test$pred.gam s předpověďmi z GAM modelu model.gam.
- U GAM modelů vrací metoda predict() matici, proto ji pomocí as.numeric() převeď na vektor.
Doplň chybějící části a pomocí pivot_longer() převeď sloupce s předpověďmi do jediného hodnotového sloupce pred s klíčovým sloupcem modeltype. Výsledný dlouhý datový rámec pojmenuj soybean_long.
Vypočítej a porovnej RMSE obou modelů.
- Který model si vede lépe?
Spusť kód a porovnej předpovědi každého modelu se skutečnými průměrnými hmotnostmi listů.
- Bodový graf weight jako funkce Time.
- Bodovo-čárové grafy předpovědí (pred) jako funkce Time.
- Všimni si, že lineární model někdy předpovídá záporné hmotnosti! Dělá to i GAM model?

Cvičení