เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คำนวณ RMSE

ในแบบฝึกหัดนี้ จะได้คำนวณ RMSE ของโมเดลการว่างงาน ในแบบฝึกหัดก่อนหน้า ได้เพิ่มสองคอลัมน์เข้าไปใน dataset unemployment ได้แก่:

  • ค่าที่โมเดลพยากรณ์ (คอลัมน์ predictions)
  • ค่าความคลาดเคลื่อนระหว่างค่าพยากรณ์กับค่าจริง (คอลัมน์ residuals)

สามารถคำนวณ RMSE จากเวกเตอร์ค่าความคลาดเคลื่อน \(res\) ได้ดังนี้:

$$ RMSE = \sqrt{\operatorname{mean}(res^2)} $$

ค่า RMSE ที่ดีควรมีค่าน้อย แล้ว "น้อย" แค่ไหนถึงจะถือว่าดี? หลักการอย่างหนึ่งคือเปรียบเทียบ RMSE กับส่วนเบี่ยงเบนมาตรฐานของตัวแปรผลลัพธ์ โมเดลที่ดีควรมีค่า RMSE ต่ำกว่าส่วนเบี่ยงเบนมาตรฐาน

โหลด data frame unemployment ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ใน R: การถดถอย

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ตรวจสอบข้อมูล unemployment จากแบบฝึกหัดก่อนหน้า
  • เพื่อความสะดวก ให้กำหนดคอลัมน์ residuals จาก unemployment ให้กับตัวแปร res
  • คำนวณ RMSE โดยยกกำลังสอง res แล้วหาค่าเฉลี่ย จากนั้นหาค่ารากที่สอง กำหนดผลลัพธ์ให้กับตัวแปร rmse แล้วแสดงค่า
    • เคล็ดลับ: สามารถทำในขั้นตอนเดียวโดยครอบการกำหนดค่าด้วยวงเล็บ: (rmse <- ___)
  • คำนวณส่วนเบี่ยงเบนมาตรฐานของ female_unemployment และกำหนดให้กับตัวแปร sd_unemployment แล้วแสดงค่า ค่า RMSE ของโมเดลเทียบกับส่วนเบี่ยงเบนมาตรฐานของข้อมูลเป็นอย่างไร?

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Print a summary of unemployment
summary(unemployment)

# For convenience put the residuals in the variable res
res <- ___

# Calculate RMSE, assign it to the variable rmse and print it
(rmse <- ___)

# Calculate the standard deviation of female_unemployment and print it
(sd_unemployment <- ___)
แก้ไขและรันโค้ด