Kom igångKom igång gratis

Utvärdera en modell med test/träningsuppdelning

Nu ska du testa modellen mpg_model på testdata, mpg_test. Funktionerna rmse() och r_squared() för att beräkna RMSE och R-kvadrat har förberetts åt dig:

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

där:

  • predcol: De predikterade värdena
  • ycol: Det faktiska utfallet

Du kommer även att plotta prediktion mot utfall.

I allmänhet är modellens prestanda bättre på träningsdata än på testdata (även om testdatan ibland kan ge oväntat bra resultat). En liten skillnad i prestanda är acceptabel – om prestandan på träningsdata är betydligt bättre finns det ett problem.

Dataramarna mpg_train och mpg_test, samt modellen mpg_model, har förinslästs tillsammans med funktionerna rmse() och r_squared().

Den här övningen är en del av kursen

Övervakad inlärning i R: Regression

Visa kurs

Övningsinstruktioner

  • Prediktera bränsleekonomi i stadskörning från hwy på mpg_train-data. Tilldela prediktion till kolumnen pred.
  • Prediktera bränsleekonomi i stadskörning från hwy på mpg_test-data. Tilldela prediktion till kolumnen pred.
  • Använd rmse() för att utvärdera RMSE för både test- och träningsdata. Jämför resultaten. Är prestandan liknande?
  • Gör samma sak med r_squared(). Är prestandan liknande?
  • Använd ggplot2 för att plotta prediktionerna mot cty på testdata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod