在測試資料上用 soybean 模型進行預測

在這個練習中，你要把前一個練習的 soybean 模型（model.lin 與 model.gam，已載入）套用到新資料：soybean_test。

本練習屬於課程

R 中的監督式學習：回歸

練習說明

建立 soybean_test$pred.lin 欄位，放入線性模型 model.lin 的預測。
建立 soybean_test$pred.gam 欄位，放入 GAM 模型 model.gam 的預測。
- 對於 GAM 模型，predict() 會回傳矩陣，請用 as.numeric() 將矩陣轉成向量。
填空，使用 pivot_longer() 把上述預測欄位轉為單一數值欄 pred，並以 modeltype 作為鍵欄位。將長格式資料框命名為 soybean_long。
計算並比較兩個模型的 RMSE。
- 哪個模型表現較好？
執行程式碼，比較各模型的預測與實際的平均葉重。
- 繪製 weight 對 Time 的散佈圖。
- 繪製預測值（pred）對 Time 的點線圖。
- 注意線性模型有時會預測到負的重量！GAM 模型也會嗎？

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# soybean_test is available
summary(soybean_test)

# Get predictions from linear model
soybean_test$pred.lin <- ___(___, newdata = ___)

# Get predictions from gam model
soybean_test$pred.gam <- ___(___(___, newdata = ___))

# Pivot the predictions into a "long" dataset
soybean_long <- soybean_test %>%
  pivot_longer(cols = c(___, ___), names_to = ___, values_to = ___)

# Calculate the rmse
soybean_long %>%
  mutate(residual = weight - pred) %>%     # residuals
  group_by(modeltype) %>%                  # group by modeltype
  summarize(rmse = ___(___(___))) # calculate the RMSE

# Compare the predictions against actual weights on the test data
soybean_long %>%
  ggplot(aes(x = Time)) +                          # the column for the x axis
  geom_point(aes(y = weight)) +                    # the y-column for the scatterplot
  geom_point(aes(y = pred, color = modeltype)) +   # the y-column for the point-and-line plot
  geom_line(aes(y = pred, color = modeltype, linetype = modeltype)) + # the y-column for the point-and-line plot
  scale_color_brewer(palette = "Dark2")

編輯並執行程式碼