diamonds 线性回归的样本内 RMSE

正如您在视频中看到的，课程中包含了 diamonds 数据集，这是 ggplot2 包中的经典数据集。该数据集包含钻石的物理属性以及其成交价格。一个有趣的建模任务是使用线性回归之类的方法，根据属性来预测钻石价格。

回顾一下，拟合线性回归可使用如下形式的 lm() 函数：

mod <- lm(y ~ x, my_data)

要在原始数据上使用 mod 进行预测，请调用 predict() 函数：

pred <- predict(mod, my_data)

本练习是课程的一部分

在 R 中使用 caret 的机器学习

在 diamonds 数据集上拟合一个线性模型，使用除 price 外的所有变量作为自变量来预测 price（即 price ~ .）。将结果保存到 model。
使用 model 在完整的原始数据集上进行预测，并将结果保存到 p。
按照公式 \(errors = predicted - actual\) 计算误差。将结果保存到 error。
使用您在视频中学到的公式计算 RMSE，并将其打印到控制台。

通过完成这段示例代码来试试这个练习。

# Fit lm model: model


# Predict on full data: p


# Compute errors: error


# Calculate RMSE