カテゴリ変数を使ったモデリング

この演習では、flowers データに対して線形モデルを当てはめ、Time と Intensity から Flowers を予測します。

前の演習で作成したモデルの formula fmla と、モデル行列 mmat は引き続き利用できます。

この演習はコースの一部です

R による Supervised Learning：回帰

コースを見る

演習の手順

fmla と lm を使って、Intensity と Time から Flowers を予測する線形モデルを学習し、変数 flower_model に代入します。
summary() を使って、mmat の構造を確認しましょう。
summary() を使って flower_model を確認します。変数は mmat で見たものと一致していますか？
flower_model を使って花の数を予測し、予測値を flowers の列 predictions として追加します。
予測値と実測の散布図を描きます（x軸に予測値）。空欄を埋めて完成させてください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# flowers is available
str(flowers)

# fmla is available
fmla

# Fit a model to predict Flowers from Intensity and Time : flower_model
flower_model <- ___

# Use summary on mmat to remind yourself of its structure
___

# Use summary to examine flower_model 
___

# Predict the number of flowers on each plant
flowers$predictions <- ___

# Plot predictions vs actual flowers (predictions on x-axis)
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() +
  geom_abline(color = "blue")

コードを編集して実行