既然你已經在 train 集上訓練好模型,現在把模型套用到 test 資料,進行預測並評估結果。請記得,這裡使用獨立的 test 集,是在模擬蒐集一個「新的」獨立資料集,用來檢驗我們模型的預測表現。
train
test
你的工作空間中已提供資料集 train 與 test,以及已訓練好的模型 train_model_2。
train_model_2
本練習屬於課程
試著完成這個範例程式碼,體驗一下這個練習。
# Make predictions on test set ___
本章將介紹建模的背景理論與術語,特別是一般建模架構、解釋型建模與預測型建模的差異,以及建模問題本身。此外,你也會開始進行第一次的探索性資料分析,這是在任何正式建模之前至關重要的第一步。
在掌握一般建模架構後,本章將介紹基本線性迴歸,你會先從簡單情境出發,把結果變數 y 視為單一解釋/預測變數 x 的函數。我們會同時使用數值型與類別型的 x 變數。本章的重點結果變數是德州大學奧斯汀分校教師的教學評分。
在前一章中,你學會了僅使用單一數值或單一類別預測變數的基本迴歸。不過,為何只用一個變數來進行解釋或預測呢?你現在將把基本迴歸擴展為多元迴歸,讓模型能納入一個以上的解釋或預測變數。你將使用西雅圖都會區的房屋資料集來建構房價模型。
在前幾章中,你配適了各種模型來解釋或預測關注的結果變數。然而,我們怎麼知道該選哪些模型?模型評估指標可用來衡量解釋型模型與資料的「擬合」程度,或預測型模型的準確度。根據這些指標,你將學習判斷哪些模型是「最佳」的準則。
當前練習