建模交互项 (2)

在本练习中，您将把上一题中拟合的含交互项模型，与只含主效应的模型进行性能对比。由于该数据集较小，我们将使用交叉验证来模拟在样本外数据上的预测。

您将开始使用 dplyr 包进行计算。

mutate()（文档）为 tbl（一种数据框）新增列。
group_by()（文档）指定 tbl 中行的分组方式。
summarize()（文档）计算列的汇总统计量。

您还将使用 tidyr 的 pivot_longer()（文档），它会将多列折叠为键值对。数据框 alcohol 以及公式 fmla_add 和 fmla_interaction 已预加载。

本练习是课程的一部分

R 中的监督学习：回归

查看课程

练习说明

使用 kWayCrossValidation()（文档）创建 3 折交叉验证的划分计划。
- 第 1 个参数是需要划分的行数。
- 第 2 个参数是交叉验证的折数。
- 可以将函数的第 3、4 个参数设为 NULL。
查看并运行示例代码，获得无交互项模型的 3 折交叉验证预测，并将其赋给列 pred_add。
获得含交互项模型的 3 折交叉验证预测。将预测赋给列 pred_interaction。
- 示例代码展示了具体流程。
- 继续使用您已创建的同一个 splitPlan。
填空以：
- 用 pivot_longer 将多列预测折叠为单列 pred。
- 新增一列残差（实际结果 - 预测结果）。
- 计算每种模型类型在交叉验证预测下的 RMSE。
比较 RMSE。基于这些结果，您应该选择哪个模型？

交互式实操练习

通过完成这段示例代码来试试这个练习。

# alcohol is available
summary(alcohol)

# Both the formulae are available
fmla_add
fmla_interaction

# Create the splitting plan for 3-fold cross validation
set.seed(34245)  # set the seed for reproducibility
splitPlan <- ___(___(___), ___, ___, ___)

# Sample code: Get cross-val predictions for main-effects only model
alcohol$pred_add <- 0  # initialize the prediction vector
for(i in 1:3) {
  split <- splitPlan[[i]]
  model_add <- lm(fmla_add, data = alcohol[split$train, ])
  alcohol$pred_add[split$app] <- predict(model_add, newdata = alcohol[split$app, ])
}

# Get the cross-val predictions for the model with interactions
alcohol$pred_interaction <- 0 # initialize the prediction vector
for(i ___ ___) {
  split <- ___
  model_interaction <- lm(___, data = alcohol[split$train, ])
  alcohol$___[split$app] <- predict(___, newdata = alcohol[split$app, ])
}

# Get RMSE
alcohol %>% 
  pivot_longer(cols=c('pred_add', 'pred_interaction'), names_to='modeltype', values_to='pred') %>%
  mutate(residuals = ____) %>%      
  group_by(modeltype) %>%
  summarize(rmse = ___(___(___)))

编辑并运行代码