RMSE на тренувальних даних для лінійної регресії на diamonds

Як ви бачили у відео, до курсу включено набір даних diamonds — класичний набір із пакета ggplot2. У ньому містяться фізичні характеристики діамантів і ціна, за яку їх продали. Цікаве завдання моделювання — передбачати ціну діаманта за його характеристиками, наприклад за допомогою лінійної регресії.

Згадайте, що для побудови лінійної регресії використовується функція lm() у такому форматі:

mod <- lm(y ~ x, my_data)

Щоб зробити передбачення за допомогою mod на початкових даних, викличте функцію predict():

pred <- predict(mod, my_data)

Ця вправа є частиною курсу

Machine Learning з пакетом caret в R

Переглянути курс

Інструкції до вправи

Побудуйте лінійну модель на наборі даних diamonds, що передбачає price, використовуючи всі інші змінні як предиктори (тобто price ~ .). Збережіть результат у model.
Зробіть передбачення за допомогою model на повному початковому наборі даних і збережіть результат у p.
Обчисліть похибки за формулою \(errors = predicted - actual\). Збережіть результат у error.
Обчисліть RMSE за формулою, яку ви бачили у відео, і виведіть його в консолі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit lm model: model


# Predict on full data: p


# Compute errors: error


# Calculate RMSE

Редагувати та запускати код