RMSE en échantillon pour une régression linéaire sur diamonds
Comme vous l'avez vu dans la vidéo, le jeu de données diamonds, tiré du paquet ggplot2, est inclus dans le cours et constitue un classique. Il contient des attributs physiques de diamants ainsi que le prix auquel ils ont été vendus. Un défi de modélisation intéressant consiste à prédire le prix des diamants à partir de leurs attributs à l'aide, par exemple, d'une régression linéaire.
Rappelez-vous que pour ajuster une régression linéaire, vous utilisez la fonction lm() selon le format suivant :
mod <- lm(y ~ x, my_data)
Pour faire des prédictions avec mod sur les données originales, vous appelez la fonction predict() :
pred <- predict(mod, my_data)
Cette activité fait partie du cours
Machine Learning avec caret en R
Instructions de l’exercice
- Ajustez un modèle linéaire sur le jeu de données
diamondspour prédirepriceen utilisant toutes les autres variables comme prédicteurs (c.-à-d.price ~ .). Enregistrez le résultat dansmodel. - Faites des prédictions avec
modelsur l'ensemble du jeu de données original et enregistrez le résultat dansp. - Calculez les erreurs selon la formule \(errors = predicted - actual\). Enregistrez le résultat dans
error. - Calculez la RMSE en utilisant la formule vue dans la vidéo et affichez-la dans la console.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit lm model: model
# Predict on full data: p
# Compute errors: error
# Calculate RMSE