RMSE des Testsets per Hand berechnen
Jetzt, da du Vorhersagen für das Testset hast, kannst du diese verwenden, um eine Fehlermetrik (hier RMSE) auf dem Testset zu berechnen und so die Modellleistung out-of-sample zu beurteilen – im Gegensatz zu in-sample, wie in der ersten Übung. Zuerst berechnest du die Fehler zwischen den vorhergesagten Diamantpreisen und den tatsächlichen Diamantpreisen, indem du die Vorhersagen von den tatsächlichen Werten abziehst.
Sobald du einen Fehlervektor hast, ist die Berechnung der RMSE ganz einfach: quadrieren, den Mittelwert bilden und anschließend die Quadratwurzel ziehen:
sqrt(mean(error^2))
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen mit caret in R</Kurs>Übungsanweisungen
test, model und p sind in deinem Workspace geladen.
- Berechne den Fehler zwischen den Vorhersagen auf dem Testset und den tatsächlichen Diamantpreisen im Testset. Nenne ihn
error. - Berechne die RMSE aus diesem Fehlervektor und gib das Ergebnis in der Konsole aus.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Compute errors: error
# Calculate RMSE