對測試集做預測

現在你已經隨機分出訓練集與測試集，可以像第一個練習那樣使用 lm()，不過這次是只在訓練集上擬合模型，而不是用整個資料集。請回想，你可以用線性迴歸的公式介面，指定目標變數，並使用資料集中其他所有變數作為預測變數來擬合模型：

mod <- lm(y ~ ., training_data)

接著，你可以用 predict() 函式在新資料上產生該模型的預測。新的資料集必須包含訓練資料的所有欄位，但欄位順序與值可以不同。在這裡，我們不再對訓練集重新預測，而是對未用於訓練的測試集做預測。這會讓你在下一個練習中評估模型的樣本外誤差：

p <- predict(model, new_data)