Calculer la RMSE

Dans cet exercice, vous allez calculer la RMSE de votre modèle de chômage. Dans les exercices de codage précédents, vous avez ajouté deux colonnes au jeu de données unemployment :

les prédictions du modèle (colonne predictions)
les résidus entre les prédictions et la variable cible (colonne residuals)

Vous pouvez calculer la RMSE à partir d'un vecteur de résidus, $res$, comme suit :

$$ RMSE = \sqrt{\operatorname{mean}(res^2)} $$

Vous voulez que la RMSE soit petite. Mais « petite », c'est combien? Une règle pratique consiste à comparer la RMSE à l'écart type de la variable cible. Avec un bon modèle, la RMSE devrait être plus faible.

Le tableau de données unemployment a été chargé pour vous.

Cette activité fait partie du cours

Apprentissage supervisé en R : régression

Voir le cours

Instructions de l’exercice

Passez en revue les données unemployment de l'exercice précédent.
Par commodité, assignez la colonne residuals de unemployment à la variable res.
Calculez la RMSE : mettez res au carré, prenez la moyenne, puis la racine carrée. Assignez le résultat à la variable rmse et affichez-la.
- Astuce : vous pouvez faire cela en une seule étape en encapsulant l'affectation entre parenthèses : (rmse <- ___)
Calculez l'écart type de female_unemployment et assignez-le à la variable sd_unemployment. Affichez-la. Comment la RMSE du modèle se compare-t-elle à l'écart type des données?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Print a summary of unemployment
summary(unemployment)

# For convenience put the residuals in the variable res
res <- ___

# Calculate RMSE, assign it to the variable rmse and print it
(rmse <- ___)

# Calculate the standard deviation of female_unemployment and print it
(sd_unemployment <- ___)

Modifier et exécuter le code