1. Nauka
    2. /
  2. Kursy
    3. /
  3. Nadzorowane uczenie maszynowe w R: regresja
Connected

Ćwiczenie

Porównanie RMSE i pierwiastka średniego kwadratowego błędu względnego

W tym ćwiczeniu pokażesz, że zastosowanie transformacji logarytmicznej do zmiennej pieniężnej przed modelowaniem poprawia średni błąd względny (ale zwiększa RMSE) w porównaniu z bezpośrednim modelowaniem tej zmiennej. Porównasz wyniki modelu model.log z poprzedniego ćwiczenia z modelem (model.abs), który dopasowuje dochód bezpośrednio.

Zbiory danych income_train i income_test zostały wstępnie wczytane wraz z twoim modelem model.log.

Dostępny jest również:

  • model.abs: model, który bezpośrednio dopasowuje dochód do zmiennych wejściowych przy użyciu formuły

    Income2005 ~ Arith + Word + Parag + Math + AFQT

Instrukcje

100 XP
  • Uzupełnij luki, aby dodać przewidywania z modeli do zbioru income_test.
    • Pamiętaj, żeby zastosować funkcję wykładniczą do przewidywań z modelu model.log, aby cofnąć transformację logarytmiczną!
  • Uzupełnij luki, aby użyć pivot_longer() na przewidywaniach i obliczyć reszty oraz błąd względny.
  • Uzupełnij luki, aby obliczyć RMSE i względne RMSE dla przewidywań.
    • Który model ma większy błąd bezwzględny? Który ma większy błąd względny?