Оцініть модель за допомогою поділу на train/test

Тепер ви перевірите модель mpg_model на тестових даних mpg_test. Для зручності надано функції rmse() та r_squared() для обчислення RMSE і R‑квадрата:

rmse(predcol, ycol)
r_squared(predcol, ycol)

де:

predcol: прогнозовані значення
ycol: фактичний результат

Ви також побудуєте графік „прогнози проти результату".

Зазвичай модель працює краще на тренувальних даних, ніж на тестових (хоч інколи тестовій вибірці «щастить»). Невелика різниця в якості — нормально; якщо на тренуванні значно краще, це проблема.

Датафрейми mpg_train і mpg_test, модель mpg_model, а також функції rmse() і r_squared() вже завантажено.

Ця вправа є частиною курсу

Кероване навчання в R: регресія

Переглянути курс

Інструкції до вправи

Спрогнозуйте міську паливну ефективність за hwy на даних mpg_train. Запишіть прогнози в колонку pred.
Спрогнозуйте міську паливну ефективність за hwy на даних mpg_test. Запишіть прогнози в колонку pred.
Використайте rmse() для оцінки RMSE як для тестової, так і для тренувальної вибірок. Порівняйте. Чи подібна якість?
Зробіть те саме з r_squared(). Чи подібна якість?
За допомогою ggplot2 побудуйте графік прогнозів проти cty на даних test.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Examine the objects that have been loaded
ls.str()

# predict cty from hwy for the training set
mpg_train$pred <- ___

# predict cty from hwy for the test set
mpg_test$pred <- ___

# Evaluate the rmse on both training and test data and print them
(rmse_train <- ___)
(rmse_test <- ___)


# Evaluate the r-squared on both training and test data.and print them
(rsq_train <- ___)
(rsq_test <- ___)

# Plot the predictions (on the x-axis) against the outcome (cty) on the test data
ggplot(___, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()

Редагувати та запускати код