LoslegenKostenlos loslegen

Out-of-sample-Testing

Dein Ziel ist es, Kaufvorhersagen für neue Stores auf Basis deines geschätzten Modells zu treffen. Du prüfst, ob dieses Ziel realistisch ist, indem du die Funktion predict() verwendest. Die Funktion predict() ruft die Parameterschätzungen von train.model ab, um Vorhersagen für die Zielvariable in test.data zu erstellen. Um vorhergesagte Werte auf der Skala der Zielvariable zu erhalten (die vorhergesagten Kaufwahrscheinlichkeiten), musst du das zusätzliche Argument type auf "response" setzen.

Anschließend werden die Holdout-Vorhersagen mit der Funktion ifelse() in Käufe und Nicht-Käufe klassifiziert und mithilfe der Funktion table() mit den beobachteten Käufen verglichen. Abschließend verwendest du die Funktion prop.table(), um die Zahlen in der Tabelle in relative Werte umzuwandeln.

Diese Übung ist Teil des Kurses

Response-Modelle in R erstellen

Kurs anzeigen

Anleitung zur Übung

  • Sage die Antworten für test.data voraus, indem du die Funktion predict() auf train.model anwendest. Setze das Argument type auf "response" und nenne das Ergebnis probability.
  • Klassifiziere die Modellvorhersagen als 1, wenn probability größer als 0.5 ist, andernfalls als 0. Weise das Ergebnis einem Objekt predicted zu.
  • Ermittle die beobachteten Käufe für HOPPINESS aus test.data. Weise sie einem Objekt observed zu.
  • Kreuztabelle die Vektoren observed und predicted mithilfe der Funktionen table() und prop.table().

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Predict the purchase probabilities for test.data
probability <- ___(___, ___, type = "response") 

# Classify the predictions
predicted <- ___(probability >= ___, ___, ___) 

# Obtain the observed purchases from test.data
observed <- test.data$HOPPINESS

# Cross-tabulate observed vs. predicted purchases
___(___(predicted, observed))
Code bearbeiten und ausführen