Evaluación de regresión
Los objetos test_set y model que obtuviste en el ejercicio anterior están disponibles en tu entorno.
Es útil presentar la precisión de las predicciones con un único número. Así puedes comparar fácilmente varios modelos y mostrar el progreso a tu empleador o futuro empleador.
El Root Mean Squared Error (RMSE) y el Mean Absolute Error (MAE) se utilizan ampliamente para evaluar modelos de regresión. Recuerda que sus fórmulas son:
\(RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^{n}(y_i - \hat{y}_i)^2}\)
\(MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|\)
Este ejercicio forma parte del curso
Practicing Statistics Interview Questions in R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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(___)