Evaluează un model folosind împărțirea date de antrenament/date de testare

Acum vei testa modelul mpg_model pe datele de testare, mpg_test. Funcțiile rmse() și r_squared() pentru calculul RMSE și R-pătrat sunt deja disponibile:

rmse(predcol, ycol)
r_squared(predcol, ycol)

unde:

predcol: valorile prezise
ycol: valorile reale ale variabilei țintă

Vei reprezenta și grafic predicțiile față de valorile reale.

În general, performanța modelului este mai bună pe datele de antrenament decât pe cele de testare (deși uneori setul de testare „are noroc"). O diferență mică de performanță este acceptabilă; dacă performanța pe datele de antrenament este semnificativ mai bună, există o problemă.

Dataframe-urile mpg_train și mpg_test, modelul mpg_model, precum și funcțiile rmse() și r_squared() au fost preîncărcate.

Acest exercițiu face parte din cursul

Învățare supervizată în R: Regresia

Vezi cursul

Instrucțiuni pentru exercițiu

Prezice eficiența consumului urban de combustibil pe baza hwy pentru datele mpg_train. Atribuie predicțiile coloanei pred.
Prezice eficiența consumului urban de combustibil pe baza hwy pentru datele mpg_test. Atribuie predicțiile coloanei pred.
Folosește rmse() pentru a evalua RMSE atât pe setul de testare, cât și pe cel de antrenament. Compară rezultatele. Sunt performanțele similare?
Fă același lucru cu r_squared(). Sunt performanțele similare?
Folosește ggplot2 pentru a reprezenta grafic predicțiile față de cty pe datele de testare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Examine the objects that have been loaded
ls.str()

# predict cty from hwy for the training set
mpg_train$pred <- ___

# predict cty from hwy for the test set
mpg_test$pred <- ___

# Evaluate the rmse on both training and test data and print them
(rmse_train <- ___)
(rmse_test <- ___)


# Evaluate the r-squared on both training and test data.and print them
(rsq_train <- ___)
(rsq_test <- ___)

# Plot the predictions (on the x-axis) against the outcome (cty) on the test data
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()

Editează și rulează codul