In-sample RMSE för linjär regression på diamonds
Som du såg i videon ingår datamängden diamonds i kursen – ett klassiskt dataset från paketet ggplot2. Datamängden innehåller fysiska egenskaper hos diamanter samt det pris de såldes för. En intressant modelleringsutmaning är att förutsäga diamantpriser utifrån deras egenskaper, till exempel med hjälp av linjär regression.
Kom ihåg att du anpassar en linjär regression med funktionen lm() i följande format:
mod <- lm(y ~ x, my_data)
För att göra förutsägelser med mod på ursprungsdata anropar du funktionen predict():
pred <- predict(mod, my_data)
Den här övningen är en del av kursen
Maskininlärning med caret i R
Övningsinstruktioner
- Anpassa en linjär modell på datamängden
diamondssom förutsägerpricemed alla övriga variabler som prediktorer (dvs.price ~ .). Spara resultatet imodel. - Gör förutsägelser med
modelpå hela ursprungsdatamängden och spara resultatet ip. - Beräkna felen med formeln \(errors = predicted - actual\). Spara resultatet i
error. - Beräkna RMSE med formeln du lärde dig i videon och skriv ut den i konsolen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Fit lm model: model
# Predict on full data: p
# Compute errors: error
# Calculate RMSE