शुरू करेंमुफ़्त में शुरू करें

Test/Train split से मॉडल का मूल्यांकन करें

अब आप मॉडल mpg_model को test डेटा mpg_test पर जाँचेंगे. सुविधा के लिए RMSE और R-squared निकालने के फ़ंक्शन rmse() और r_squared() दिए गए हैं:

rmse(predcol, ycol)
r_squared(predcol, ycol)

जहाँ:

  • predcol: अनुमानित (predicted) मान
  • ycol: वास्तविक outcome

आप predictions बनाम outcome का प्लॉट भी बनाएँगे.

आमतौर पर, training डेटा पर मॉडल का प्रदर्शन test डेटा की तुलना में बेहतर होता है (हालाँकि कभी-कभी test सेट पर "किस्मत" अच्छी हो जाती है). प्रदर्शन में थोड़ा अंतर ठीक है; यदि training पर प्रदर्शन बहुत बेहतर हो, तो समस्या है.

mpg_train और mpg_test डेटा फ्रेम, mpg_model मॉडल, तथा फ़ंक्शन rmse() और r_squared() पहले से लोड किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Regression

पाठ्यक्रम देखें

अभ्यास निर्देश

  • mpg_train डेटा पर hwy से city fuel efficiency की भविष्यवाणी करें. predictions को कॉलम pred में असाइन करें.
  • mpg_test डेटा पर hwy से city fuel efficiency की भविष्यवाणी करें. predictions को कॉलम pred में असाइन करें.
  • rmse() का उपयोग करके test और training, दोनों सेट्स के लिए RMSE निकालें. तुलना करें. क्या प्रदर्शन समान है?
  • यही काम r_squared() के साथ करें. क्या प्रदर्शन समान है?
  • ggplot2 का उपयोग करके test डेटा पर predictions को cty के विरुद्ध प्लॉट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Examine the objects that have been loaded
ls.str()

# predict cty from hwy for the training set
mpg_train$pred <- ___

# predict cty from hwy for the test set
mpg_test$pred <- ___

# Evaluate the rmse on both training and test data and print them
(rmse_train <- ___)
(rmse_test <- ___)


# Evaluate the r-squared on both training and test data.and print them
(rsq_train <- ___)
(rsq_test <- ___)

# Plot the predictions (on the x-axis) against the outcome (cty) on the test data
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()
कोड संपादित करें और चलाएँ