Modelarea unei interacțiuni (2)

În acest exercițiu, vei compara performanța modelului cu interacțiuni pe care l-ai construit în exercițiul anterior cu performanța unui model care include doar efectele principale. Deoarece setul de date este mic, vom folosi validarea încrucișată pentru a simula predicții pe date noi.

Vei începe să folosești pachetul dplyr pentru calcule.

mutate() (docs) adaugă coloane noi într-un tbl (un tip de data frame)
group_by() (docs) specifică modul în care rândurile sunt grupate într-un tbl
summarize() (docs) calculează statistici rezumative pentru o coloană

Vei folosi și funcția pivot_longer() din tidyr (docs), care ia mai multe coloane și le combină în perechi cheie-valoare. Data frame-ul alcohol și formulele fmla_add și fmla_interaction sunt deja încărcate.

Acest exercițiu face parte din cursul

Învățare supervizată în R: Regresia

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește kWayCrossValidation() (docs) pentru a crea un plan de împărțire pentru o validare încrucișată cu 3 segmente.
- Primul argument este numărul de rânduri care urmează să fie împărțite.
- Al doilea argument este numărul de segmente pentru validarea încrucișată.
- Poți seta argumentele 3 și 4 ale funcției la NULL.
Examinează și rulează codul exemplu pentru a obține predicțiile din validarea încrucișată cu 3 segmente ale unui model fără interacțiuni și atribuie-le coloanei pred_add.
Obține predicțiile din validarea încrucișată cu 3 segmente ale modelului cu interacțiuni. Atribuie predicțiile coloanei pred_interaction.
- Codul exemplu îți arată procedura.
- Folosește același splitPlan pe care l-ai creat deja.
Completează spațiile libere pentru a:
- aplica pivot_longer asupra predicțiilor și a le combina într-o singură coloană pred.
- adăuga o coloană de reziduuri (valoarea reală − valoarea prezisă).
- calcula RMSE-ul predicțiilor din validarea încrucișată pentru fiecare tip de model.
Compară valorile RMSE. Pe baza acestor rezultate, ce model ar trebui să folosești?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# alcohol is available
summary(alcohol)

# Both the formulae are available
fmla_add
fmla_interaction

# Create the splitting plan for 3-fold cross validation
set.seed(34245)  # set the seed for reproducibility
splitPlan <- ___(___(___), ___, ___, ___)

# Sample code: Get cross-val predictions for main-effects only model
alcohol$pred_add <- 0  # initialize the prediction vector
for(i in 1:3) {
  split <- splitPlan[[i]]
  model_add <- lm(fmla_add, data = alcohol[split$train, ])
  alcohol$pred_add[split$app] <- predict(model_add, newdata = alcohol[split$app, ])
}

# Get the cross-val predictions for the model with interactions
alcohol$pred_interaction <- 0 # initialize the prediction vector
for(i ___ ___) {
  split <- ___
  model_interaction <- lm(___, data = alcohol[split$train, ])
  alcohol$___[split$app] <- predict(___, newdata = alcohol[split$app, ])
}

# Get RMSE
alcohol %>% 
  pivot_longer(cols=c('pred_add', 'pred_interaction'), names_to='modeltype', values_to='pred') %>%
  mutate(residuals = ____) %>%      
  group_by(modeltype) %>%
  summarize(rmse = ___(___(___)))

Editează și rulează codul