Моделювання з категоріальними вхідними змінними

У цій вправі ви навчите лінійну модель на даних flowers, щоб передбачати Flowers як функцію Time та Intensity.

Формула моделі fmla, яку ви створили в попередній вправі, усе ще доступна, так само як і матриця моделі mmat.

Ця вправа є частиною курсу

Кероване навчання в R: регресія

Переглянути курс

Інструкції до вправи

Використайте fmla та lm, щоб натренувати лінійну модель, яка передбачає Flowers за Intensity та Time. Присвойте модель змінній flower_model.
Використайте summary(), щоб пригадати структуру mmat.
Використайте summary(), щоб переглянути flower_model. Чи збігаються змінні з тим, що ви бачили в mmat?
Використайте flower_model, щоб передбачити кількість квітів. Додайте передбачення до flowers як стовпець predictions.
Заповніть пропуски, щоб побудувати графік «передбачення проти фактичних значень квітів» (передбачення по осі x).

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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")

Редагувати та запускати код