Vyhodnocení modelu pomocí rozdělení na trénovací a testovací data

Teď otestuješ model mpg_model na testovacích datech mpg_test. Pro výpočet RMSE a R-squared jsou k dispozici tyto funkce:

rmse(predcol, ycol)
r_squared(predcol, ycol)

kde:

predcol: predikované hodnoty
ycol: skutečný výsledek

Dále vykreslíš predikce oproti skutečným hodnotám.

Výkonnost modelu bývá obecně lepší na trénovacích datech než na testovacích (i když testovací sada občas „vyjde lépe"). Mírný rozdíl ve výkonnosti je v pořádku – pokud je ale výkonnost na trénovacích datech výrazně lepší, jde o problém.

Dataové rámce mpg_train a mpg_test, model mpg_model a funkce rmse() a r_squared() jsou předem načteny.

Toto cvičení je součástí kurzu

Supervised Learning in R: Regression

Zobrazit kurz

Pokyny k cvičení

Predikuj spotřebu paliva ve městě z proměnné hwy pro data mpg_train. Predikce ulož do sloupce pred.
Predikuj spotřebu paliva ve městě z proměnné hwy pro data mpg_test. Predikce ulož do sloupce pred.
Pomocí rmse() vyhodnoť RMSE pro testovací i trénovací sadu. Porovnej výsledky – jsou si výkonnosti podobné?
Totéž proveď s r_squared(). Jsou si výkonnosti podobné?
Pomocí ggplot2 vykresli predikce oproti cty na testovacích datech.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Examine the objects that have been loaded
ls.str()

# predict cty from hwy for the training set
mpg_train$pred <- ___

# predict cty from hwy for the test set
mpg_test$pred <- ___

# Evaluate the rmse on both training and test data and print them
(rmse_train <- ___)
(rmse_test <- ___)


# Evaluate the r-squared on both training and test data.and print them
(rsq_train <- ___)
(rsq_test <- ___)

# Plot the predictions (on the x-axis) against the outcome (cty) on the test data
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()

Upravit a spustit kód