Prever com o modelo de soja nos dados de teste

Neste exercício, você vai aplicar os modelos de soja do exercício anterior (model.lin e model.gam, já carregados) a novos dados: soybean_test.

Este exercício faz parte do curso

Aprendizado Supervisionado em R: Regressão

Ver curso

Instruções do exercício

Crie uma coluna soybean_test$pred.lin com previsões do modelo linear model.lin.
Crie uma coluna soybean_test$pred.gam com previsões do modelo GAM model.gam.
- Para modelos GAM, o método predict() retorna uma matriz, então use as.numeric() para converter a matriz em vetor.
Preencha as lacunas para usar pivot_longer() e transformar as colunas de previsão em uma única coluna de valores pred, com a coluna de chave modeltype. Chame o data frame no formato longo de soybean_long.
Calcule e compare o RMSE de ambos os modelos.
- Qual modelo é melhor?
Execute o código para comparar as previsões de cada modelo com os pesos médios reais das folhas.
- Um gráfico de dispersão de weight em função de Time.
- Gráficos de pontos e linhas das previsões (pred) em função de Time.
- Observe que o modelo linear às vezes prevê pesos negativos! O modelo GAM faz isso?

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# soybean_test is available
summary(soybean_test)

# Get predictions from linear model
soybean_test$pred.lin <- ___(___, newdata = ___)

# Get predictions from gam model
soybean_test$pred.gam <- ___(___(___, newdata = ___))

# Pivot the predictions into a "long" dataset
soybean_long <- soybean_test %>%
  pivot_longer(cols = c(___, ___), names_to = ___, values_to = ___)

# Calculate the rmse
soybean_long %>%
  mutate(residual = weight - pred) %>%     # residuals
  group_by(modeltype) %>%                  # group by modeltype
  summarize(rmse = ___(___(___))) # calculate the RMSE

# Compare the predictions against actual weights on the test data
soybean_long %>%
  ggplot(aes(x = Time)) +                          # the column for the x axis
  geom_point(aes(y = weight)) +                    # the y-column for the scatterplot
  geom_point(aes(y = pred, color = modeltype)) +   # the y-column for the point-and-line plot
  geom_line(aes(y = pred, color = modeltype, linetype = modeltype)) + # the y-column for the point-and-line plot
  scale_color_brewer(palette = "Dark2")

Editar e executar o código