คำนวณ RMSE ของชุดทดสอบด้วยตัวเอง
เมื่อได้ค่าพยากรณ์สำหรับชุดทดสอบแล้ว สามารถนำค่าเหล่านั้นมาคำนวณ error metric (ในที่นี้คือ RMSE) เพื่อประเมินประสิทธิภาพของโมเดลแบบ out-of-sample แทนที่จะเป็น in-sample อย่างที่ทำในแบบฝึกหัดแรก
ขั้นแรกให้คำนวณความคลาดเคลื่อนระหว่างราคาเพชรที่พยากรณ์ได้กับราคาจริง โดยลบค่าพยากรณ์ออกจากค่าจริง
เมื่อได้เวกเตอร์ความคลาดเคลื่อนแล้ว การคำนวณ RMSE ทำได้ง่ายๆ โดยยกกำลังสอง หาค่าเฉลี่ย แล้วถอดรากที่สอง:
sqrt(mean(error^2))
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning ด้วย caret ใน R
คำแนะนำการฝึกหัด
test, model และ p ถูกโหลดไว้ใน workspace แล้ว
- คำนวณความคลาดเคลื่อนระหว่างค่าพยากรณ์บนชุดทดสอบกับราคาเพชรจริงในชุดทดสอบ แล้วเก็บผลลัพธ์ไว้ในตัวแปรชื่อ
error - คำนวณ RMSE โดยใช้เวกเตอร์ความคลาดเคลื่อนนี้ และแสดงผลลัพธ์ออกทางคอนโซล
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Compute errors: error
# Calculate RMSE