Avaliação de regressão
Os objetos test_set e model que você criou no exercício anterior estão disponíveis no seu ambiente.
É útil apresentar a precisão das previsões com um único número. Assim, você consegue comparar vários modelos com facilidade e mostrar seu progresso para seu empregador ou futuro empregador.
Root Mean Squared Error e Mean Absolute Error são amplamente usados para avaliar modelos de regressão. Lembre-se de que suas fórmulas são:
\(RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^{n}(y_i - \hat{y}_i)^2}\)
\(MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|\)
Este exercício faz parte do curso
Praticando perguntas de entrevista de Estatística em R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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(___)