Kom igångKom igång gratis

Prediktioner från arbetslöshetsmodellen

I den här övningen använder du din arbetslöshetsmodell unemployment_model för att göra prediktioner utifrån datamängden unemployment, och jämföra de predikterade kvinnliga arbetslöshetstalen med de faktiska observerade värdena i träningsdata, unemployment. Du kommer också att använda modellen för att göra prediktioner på nya data i newrates, som består av en enda observation där manlig arbetslöshet är 5 %.

Gränssnittet för predict() (docs) för lm-modeller har följande form:

predict(model, newdata)

Du kommer att använda paketet ggplot2 för att skapa diagrammen, så du lägger till prediktionskolumnen i dataramen unemployment. Du plottar utfall mot prediktion och jämför dem med linjen som representerar perfekta prediktioner (det vill säga när utfallet är lika med det predikterade värdet).

Kommandot i ggplot2 för att plotta ett spridningsdiagram av dframe$outcome mot dframe$pred (pred på x-axeln, outcome på y-axeln), tillsammans med en blå linje där outcome == pred, ser ut så här:

ggplot(dframe, aes(x = pred, y = outcome)) + 
       geom_point() +  
       geom_abline(color = "blue")

unemployment, unemployment_model och newrates har förinslästs åt dig.

Den här övningen är en del av kursen

Övervakad inlärning i R: Regression

Visa kurs

Övningsinstruktioner

  • Använd predict() för att prediktera kvinnliga arbetslöshetstal utifrån datamängden unemployment. Tilldela resultatet till en ny kolumn: prediction.
  • Använd kommandot library() för att läsa in paketet ggplot2.
  • Använd ggplot() för att jämföra prediktionerna med de faktiska arbetslöshetstalen. Placera prediktionerna på x-axeln. Hur nära linjen för perfekt prediktion ligger resultaten?
  • Använd dataramen newrates för att prediktera det förväntade kvinnliga arbetslöshetstalet när manlig arbetslöshet är 5 %. Tilldela svaret till variabeln pred och skriv ut det.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# unemployment is available
summary(unemployment)

# newrates is available
newrates

# Predict female unemployment in the unemployment dataset
unemployment$prediction <-  ___

# Load the ggplot2 package
___

# Make a plot to compare predictions to actual (prediction on x axis). 
ggplot(___, aes(x = ___, y = ___)) + 
  ___ +
  geom_abline(color = "blue")

# Predict female unemployment rate when male unemployment is 5%
pred <- ___
pred
Redigera och kör kod