Valutazione della regressione
Gli oggetti test_set e model che hai ricavato nell’esercizio precedente sono disponibili nel tuo ambiente.
È utile riassumere l’accuratezza delle previsioni con un singolo numero. Così puoi confrontare facilmente più modelli e mostrare i progressi al tuo datore di lavoro o a un potenziale datore di lavoro.
Root Mean Squared Error e Mean Absolute Error sono ampiamente usati per valutare i modelli di regressione. Ricorda che le loro formule sono:
\(RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^{n}(y_i - \hat{y}_i)^2}\)
\(MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|\)
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(___)