LoslegenKostenlos starten

Modellierung mit kategorialen Eingaben

In dieser Übung passt du ein lineares Modell an die flowers-Daten an, um Flowers als Funktion von Time und Intensity vorherzusagen.

Die Modellformel fmla, die du in der vorherigen Übung erstellt hast, ist weiterhin verfügbar, ebenso wie die Modellmatrix mmat.

Diese Übung ist Teil des Kurses

<Kurs>Überwachtes Lernen in R: Regression</Kurs>
Kurs ansehen

Übungsanweisungen

  • Verwende fmla und lm, um ein lineares Modell zu trainieren, das Flowers aus Intensity und Time vorhersagt. Weisen das Modell der Variablen flower_model zu.
  • Verwende summary(), um dich an die Struktur von mmat zu erinnern.
  • Verwende summary(), um flower_model zu untersuchen. Stimmen die Variablen mit dem überein, was du in mmat gesehen hast?
  • Verwende flower_model, um die Anzahl der Blumen vorherzusagen. Füge die Vorhersagen als Spalte predictions zu flowers hinzu.
  • Ergänze die Lücken, um Vorhersagen gegenüber tatsächlichen Blumen zu plotten (Vorhersagen auf der x-Achse).

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# flowers is available
str(flowers)

# fmla is available
fmla

# Fit a model to predict Flowers from Intensity and Time : flower_model
flower_model <- ___

# Use summary on mmat to remind yourself of its structure
___

# Use summary to examine flower_model 
___

# Predict the number of flowers on each plant
flowers$predictions <- ___

# Plot predictions vs actual flowers (predictions on x-axis)
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() +
  geom_abline(color = "blue")
Code bearbeiten und ausführen