Bewertung von Regressionsmodellen
Die Objekte test_set und model, die du in der vorherigen Übung erstellt hast, stehen in deiner Umgebung bereit.
Es ist hilfreich, die Genauigkeit von Vorhersagen mit einer einzigen Zahl darzustellen. So kannst du Modelle leicht vergleichen und den Fortschritt deinem Arbeitgeber oder zukünftigen Arbeitgeber zeigen.
Root Mean Squared Error und Mean Absolute Error werden häufig zur Bewertung von Regressionsmodellen verwendet. Zur Erinnerung, ihre Formeln lauten:
\(RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^{n}(y_i - \hat{y}_i)^2}\)
\(MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|\)
Diese Übung ist Teil des Kurses
Statistik-Interviewfragen in R üben
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Assign Hwt from the test set to y
___ <- test_set$___
# Predict Hwt on the test set
___ <- ___(model, newdata = ___)
# Derive the test set's size
___ <- nrow(___)