เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณ RMSE ในชุดข้อมูลฝึกสำหรับ linear regression บนชุดข้อมูล diamonds

อย่างที่ได้เห็นในวิดีโอ คอร์สนี้ใช้ชุดข้อมูล diamonds ซึ่งเป็นชุดข้อมูลคลาสสิกจากแพ็กเกจ ggplot2 ชุดข้อมูลนี้ประกอบด้วยคุณสมบัติทางกายภาพของเพชรและราคาที่ขายได้ โจทย์ที่น่าสนใจคือการพยากรณ์ราคาเพชรจากคุณสมบัติเหล่านั้นโดยใช้ linear regression

ทบทวนกันอีกครั้ง: การ fit linear regression ใช้ฟังก์ชัน lm() ในรูปแบบดังนี้

mod <- lm(y ~ x, my_data)

หากต้องการพยากรณ์ค่าโดยใช้ mod กับข้อมูลต้นฉบับ ให้เรียกใช้ฟังก์ชัน predict()

pred <- predict(mod, my_data)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ด้วย caret ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Fit linear model บนชุดข้อมูล diamonds เพื่อพยากรณ์ price โดยใช้ตัวแปรอื่นทั้งหมดเป็น predictor (คือ price ~ .) แล้วบันทึกผลลัพธ์ไว้ในตัวแปร model
  • พยากรณ์ค่าโดยใช้ model กับชุดข้อมูลต้นฉบับทั้งหมด แล้วบันทึกผลลัพธ์ไว้ในตัวแปร p
  • คำนวณค่าความคลาดเคลื่อนตามสูตร \(errors = predicted - actual\) แล้วบันทึกผลลัพธ์ไว้ในตัวแปร error
  • คำนวณ RMSE ตามสูตรที่เรียนในวิดีโอ แล้วแสดงผลลัพธ์ใน console

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Fit lm model: model


# Predict on full data: p


# Compute errors: error


# Calculate RMSE
แก้ไขและรันโค้ด