RMSE na danych treningowych dla regresji liniowej na zbiorze diamonds
Jak pokazano w filmie, w kursie dostępny jest zbiór danych diamonds – klasyczny zbiór z pakietu ggplot2. Zawiera fizyczne atrybuty diamentów oraz ceny, za jakie zostały sprzedane. Ciekawym wyzwaniem modelarskim jest przewidywanie ceny diamentów na podstawie ich cech, np. za pomocą regresji liniowej.
Przypomnienie: aby dopasować model regresji liniowej, używasz funkcji lm() w następującym formacie:
mod <- lm(y ~ x, my_data)
Aby wykonać predykcje za pomocą mod na oryginalnych danych, wywołujesz funkcję predict():
pred <- predict(mod, my_data)
To ćwiczenie jest częścią kursu
Uczenie maszynowe z caret w R
Instrukcje do ćwiczenia
- Dopasuj model regresji liniowej na zbiorze danych
diamonds, przewidującpricena podstawie wszystkich pozostałych zmiennych (czyliprice ~ .). Zapisz wynik domodel. - Wykonaj predykcje za pomocą
modelna pełnym oryginalnym zbiorze danych i zapisz wynik dop. - Oblicz błędy według wzoru \(errors = predicted - actual\). Zapisz wynik do
error. - Oblicz RMSE według wzoru poznanego w filmie i wyświetl wynik w konsoli.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Fit lm model: model
# Predict on full data: p
# Compute errors: error
# Calculate RMSE