Regressie-evaluatie
De objecten test_set en model die je in de vorige oefening hebt gemaakt, zijn beschikbaar in je omgeving.
Het is handig om de nauwkeurigheid van voorspellingen met één getal te presenteren. Zo kun je modellen makkelijk vergelijken en de voortgang laten zien aan je (toekomstige) werkgever.
Root Mean Squared Error en Mean Absolute Error worden veel gebruikt om regressiemodellen te evalueren. Herinner je dat de formules zijn:
\(RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^{n}(y_i - \hat{y}_i)^2}\)
\(MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|\)
Deze oefening maakt deel uit van de cursus
Oefenen met statistiek-vragen voor sollicitaties in R
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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(___)