Vorhersagen mit dem Arbeitslosenmodell

In dieser Übung verwendest du dein Arbeitslosenmodell unemployment_model, um aus den unemployment-Daten Vorhersagen zu erstellen, und vergleichst die vorhergesagten weiblichen Arbeitslosenquoten mit den tatsächlich beobachteten weiblichen Arbeitslosenquoten in den Trainingsdaten unemployment. Außerdem verwendest du dein Modell, um mit den neuen Daten in newrates vorherzusagen. Dieser Data Frame enthält nur eine Beobachtung, bei der die männliche Arbeitslosigkeit 5 % beträgt.

Die Schnittstelle predict() (docs) für lm-Modelle hat die Form

predict(model, newdata)

Du verwendest das Paket ggplot2, um die Plots zu erstellen, daher fügst du dem Data Frame unemployment eine Spalte mit den Vorhersagen hinzu. Du plottest Zielwert gegen Vorhersage und vergleichst sie mit der Linie, die perfekte Vorhersagen darstellt (also wenn der Zielwert dem vorhergesagten Wert entspricht).

Der ggplot2-Befehl, um ein Streudiagramm von dframe$outcome gegen dframe$pred zu erstellen (pred auf der x-Achse, outcome auf der y-Achse), zusammen mit einer blauen Linie, bei der gilt: outcome == pred, lautet:

ggplot(dframe, aes(x = pred, y = outcome)) + 
       geom_point() +  
       geom_abline(color = "blue")

unemployment, unemployment_model und newrates wurden bereits für dich geladen.

Diese Übung ist Teil des Kurses

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

Kurs ansehen

Übungsanweisungen

Verwende predict(), um aus den unemployment-Daten die weiblichen Arbeitslosenquoten vorherzusagen. Weise das Ergebnis einer neuen Spalte prediction zu.
Lade das Paket ggplot2 mit dem Befehl library().
Verwende ggplot(), um die Vorhersagen mit den tatsächlichen Arbeitslosenquoten zu vergleichen. Platziere die Vorhersagen auf der x-Achse. Wie nah liegen die Ergebnisse an der Linie der perfekten Vorhersage?
Verwende den Data Frame newrates, um die erwartete weibliche Arbeitslosenquote vorherzusagen, wenn die männliche Arbeitslosigkeit 5 % beträgt. Weise die Antwort der Variablen pred zu und gib sie aus.

Interaktive praktische Übung

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

# unemployment is available
summary(unemployment)

# newrates is available
newrates

# Predict female unemployment in the unemployment dataset
unemployment$prediction <-  ___

# Load the ggplot2 package
___

# Make a plot to compare predictions to actual (prediction on x axis). 
ggplot(___, aes(x = ___, y = ___)) + 
  ___ +
  geom_abline(color = "blue")

# Predict female unemployment rate when male unemployment is 5%
pred <- ___
pred

Code bearbeiten und ausführen