Modelowanie z kategorycznymi zmiennymi wejściowymi

W tym ćwiczeniu dopasujemy model liniowy do zbioru danych flowers, aby przewidzieć wartość Flowers na podstawie zmiennych Time i Intensity.

Formuła modelu fmla, którą utworzyłeś(-aś) w poprzednim ćwiczeniu, jest nadal dostępna, podobnie jak macierz modelu mmat.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: regresja

Zobacz kurs

Instrukcje do ćwiczenia

Użyj fmla i lm, aby wytrenować model liniowy przewidujący Flowers na podstawie Intensity i Time. Przypisz model do zmiennej flower_model.
Użyj summary(), aby przypomnieć sobie strukturę mmat.
Użyj summary(), aby zbadać flower_model. Czy zmienne są zgodne z tym, co widziałeś(-aś) w mmat?
Użyj flower_model, aby przewidzieć liczbę kwiatów. Dodaj predykcje do ramki flowers jako kolumnę predictions.
Uzupełnij puste miejsca, aby narysować wykres predykcji względem rzeczywistej liczby kwiatów (predykcje na osi x).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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")

Edytuj i uruchom kod