Gör förutsägelser på testmängden

Nu när du har en slumpmässigt uppdelad tränings- och testmängd kan du använda funktionen lm() – precis som i den första övningen – för att anpassa en modell till din träningmängd i stället för hela datamängden. Kom ihåg att du kan använda formelgränssnittet för linjär regression för att anpassa en modell med en angiven målvariabel och alla övriga variabler i datamängden som prediktorer:

mod <- lm(y ~ ., training_data)

Du kan sedan använda funktionen predict() för att göra förutsägelser med modellen på nya data. Den nya datamängden måste innehålla alla kolumner från träningsdatan, men de kan vara i en annan ordning och ha andra värden. Här kan du göra förutsägelser på testmängden – som du inte använde vid träningen – i stället för att göra nya förutsägelser på träningsdatan. Det gör att du kan beräkna out-of-sample-felet för modellen i nästa övning:

p <- predict(model, new_data)