BaşlayınÜcretsiz başlayın

Kategorik girdilerle modelleme

Bu egzersizde, flowers verilerine doğrusal bir model uydurup Flowers değişkenini Time ve Intensity'nin bir fonksiyonu olarak tahmin edeceksin.

Önceki egzersizde oluşturduğun model formülü fmla ve model matrisi mmat hâlâ kullanılabilir durumda.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Regresyon

Kursa Göz Atın

Egzersiz talimatları

  • fmla ve lm kullanarak Flowers'ı Intensity ve Time'dan tahmin eden bir doğrusal model eğit. Modeli flower_model değişkenine ata.
  • mmat'in yapısını kendine hatırlatmak için summary() kullan.
  • flower_model'ı incelemek için summary() kullan. Değişkenler mmat'te gördüklerinle eşleşiyor mu?
  • Çiçek sayısını tahmin etmek için flower_model'ı kullan. Tahminleri flowers'a predictions adlı sütun olarak ekle.
  • X ekseninde tahminler olacak şekilde, tahminleri gerçek çiçek sayılarıyla karşılaştıran grafiği çizmek için boşlukları doldur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# flowers is available
str(flowers)

# fmla is available
fmla

# Fit a model to predict Flowers from Intensity and Time : flower_model
flower_model <- ___

# Use summary on mmat to remind yourself of its structure
___

# Use summary to examine flower_model 
___

# Predict the number of flowers on each plant
flowers$predictions <- ___

# Plot predictions vs actual flowers (predictions on x-axis)
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() +
  geom_abline(color = "blue")
Kodu Düzenle ve Çalıştır