Hem Personliga finanser Hur man skapar en förutsägbar Analytics-modell med R Regression - dummies

Hur man skapar en förutsägbar Analytics-modell med R Regression - dummies

Video: Kenneth Cukier: Big data is better data 2025

Video: Kenneth Cukier: Big data is better data 2025
Anonim

Du vill skapa en prediktiv analysmodell som du kan utvärdera med hjälp av kända resultat. För att göra det ska vi dela upp datasetet i två uppsättningar: en för att träna modellen och en för att testa modellen. En 70/30 delning mellan träning och testning av datamängder är tillräcklig. De två följande koderna beräknar och lagrar storleken på varje uppsättning: >> trainSize testSize <- nrow (autos) - trainSize

För att mata ut värdena, skriv in namnet på variabeln som används för att lagra värdet och tryck enter. Här är utsignalen:

>> trainSize [1] 279> testSize [1] 119

Den här koden bestämmer storlekarna på de dataset som du avser att göra vår träning och testdataset. Du har fortfarande inte skapat de här uppsättningarna. Också, du vill inte helt enkelt ringa de första 279 observationerna träningen och kalla de senaste 119 observationerna testet. Det skulle skapa en dålig modell eftersom datasetet visas. Specifikt beställs modellenYear-kolumnen från minsta till största.

Från att undersöka data kan du se att de flesta av de tyngre, åttcylindriga, större förskjutning, högre hästkrafterna ligger högst upp på datasetet. Från denna observation, utan att behöva springa några algoritmer på data, kan du redan berätta för (i allmänhet för detta dataset) äldre bilar jämfört med nyare bilar enligt följande:

Är tyngre

Har åtta cylindrar

  • Har större förskjutning

  • Har större hästkraft

    Okej, många människor vet självklart någonting om bilar, så en gissning om vad korrelationerna är kommer inte att vara för långt efter att du ser data. Någon med mycket bilkunskap kan ha redan känt detta utan att ens titta på data.
  • Detta är bara ett enkelt exempel på en domän (bilar) som många kan relatera till. Om detta var data om cancer, skulle de flesta inte omedelbart förstå vad varje attribut betyder.

Här är en domänexpert och en datamodeller avgörande för modelleringsprocessen. Domänexperter kan ha den bästa kunskapen om vilka attribut som kan vara mest (eller minst) viktiga - och hur attributen korrelerar med varandra.

De kan föreslå datormodellen vilka variabler som ska experimenteras med. De kan ge större vikter till mer viktiga attribut och / eller mindre vikter till attribut av minst betydelse (eller ta bort dem helt).

Så du måste göra en träningsdataset och en testdatasats som är verkligt representativ för hela uppsättningen. Ett sätt att göra det är att skapa träningssatsen från ett slumpmässigt urval av hela datasetet.Dessutom vill du göra detta test reproducerbart så att du kan lära av samma exempel.

Sätt sålunda fröet för slumpgeneratorn så att vi har samma "slumpmässiga" träningsuppsättning. Följande kod gör den här uppgiften: >> set. frö (123)> training_indices <- sample (seq_len (nrow (autos)), size = trainSize)> trainSet testSet <- autos [-training_indices,]

Träningsuppsättningen innehåller 279 observationer, tillsammans med resultatet (mpg) för varje observation. Regressionsalgoritmen använder resultatet för att träna modellen genom att titta på relationerna mellan prediktorvariablerna (någon av de sju attributen) och svarsvariabeln (mpg).

Testsatsen innehåller resten av data (det vill säga den del som inte ingår i träningssatsen). Du bör märka att testuppsättningen även innehåller variabeln (mpg). 

När du använder prediktionsfunktionen (från modellen) med testuppsättningen ignorerar du svarsvariabeln och använder endast prediktorvariablerna så länge kolumnnamnen är desamma som i träningsuppsättningen.

För att skapa en linjär regressionsmodell som använder mpg-attributet som svarsvariabel och alla andra variabler som prediktorvariabler, skriv följande kod: >> modell

Hur man skapar en förutsägbar Analytics-modell med R Regression - dummies

Redaktörens val

Vad är en Java-karta? - dummies

Vad är en Java-karta? - dummies

Arrays och specialiserade listor gör det möjligt att utföra en fantastisk uppsättning uppgifter med Java. Det finns dock situationer där en Java-applikation behöver något som är mer relaterat till en databas, utan att egentligen ha allt databasbagage (som att behöva köpa en separat applikation). Till exempel kanske du vill kunna ...

Några få saker om Java Math - dummies

Några få saker om Java Math - dummies

Tro det eller inte, datorer - även de mest kraftfulla - Ha vissa begränsningar när det gäller att utföra matematiska beräkningar. Dessa begränsningar är vanligtvis obetydliga, men ibland slår de sig och biter på dig. Här är de saker du behöver se upp för när du gör matte i Java. Helhetsflöde Det grundläggande problemet ...

Vad är recursion i Java Programmering? - dummies

Vad är recursion i Java Programmering? - dummies

Rekursion är en grundläggande programmeringsteknik som du kan använda i Java, där en metod kallar sig för att lösa ett problem. En metod som använder denna teknik är rekursiv. Många programmeringsproblem kan lösas endast genom rekursion, och vissa problem som kan lösas med andra tekniker löses bättre genom rekursion. En av ...

Redaktörens val

4 Måste-inkludera i din blogg sidobardesign - dummies

4 Måste-inkludera i din blogg sidobardesign - dummies

Din bloggens sidofält är viktig fastighet som bör innehålla de element du vill ha mest. När du utformar din blogg sidofält kan du dra från en nästan oändlig lista över sidospårelement. Genom att välja noggrant vad som ska inkluderas (och vad som inte ska inkluderas) kan du ställa in din blogg från andra.

5 Användbara Wordpress Plugins - dummies

5 Användbara Wordpress Plugins - dummies

Om du bloggar på en självhävd plattform med WordPress-programvara, är det dags att anpassa din blogg med plug-ins - programvara som kan "anslutas" till din befintliga WordPress bloggprogramvara. Plug-ins gör det möjligt för dig att göra allt från funktionsbildspel i dina blogginlägg för att ansluta sociala medier till din webbplats. Här är fem användbara ...

7 Sätt att erövra Writer's Block som en Blogger - dummies

7 Sätt att erövra Writer's Block som en Blogger - dummies

Varje bloggare möter författarens block i ett tid eller annan. Om du är den typ av bloggare som sköter innehåll varje dag, kan författarens block vara stäverande. Kan du inte ta en paus för att få ditt skrivande mojo tillbaka? Prova en (eller flera) av dessa sju sätt att slå författarens block för att få dig tillbaka ...

Redaktörens val

10 Stora elektronikkomponentkällor - dummies

10 Stora elektronikkomponentkällor - dummies

Letar du efter några bra källor till dina elektroniska delar? Denna lista ger dig några fleråriga favoriter, både inom och utanför Nordamerika. Denna lista är inte uttömmande. Du hittar bokstavligen tusentals specialutbud för ny och begagnad elektronik. Plus, Amazon och eBay ger virtuella marknadsplatser för alla sorters säljare - ...

Elektronik Basics: Resistance - dummies

Elektronik Basics: Resistance - dummies

I elektronikvärlden är motståndet inte meningslöst. Faktum är att motstånd kan vara mycket användbart. Utan motstånd skulle elektronik inte vara möjligt. Elektronik handlar om att manipulera strömmen av ström, och ett av de mest grundläggande sätten att manipulera strömmen är att minska det genom resistans. Utan motstånd strömmar strömmen oreglerad och där ...

Digital elektronik: Så här installerar du BASIC Stamp Editor och Anslut till Stämpeldummorna

Digital elektronik: Så här installerar du BASIC Stamp Editor och Anslut till Stämpeldummorna

För att berätta för BASIC Stamp vad du vill göra i ditt digitala elektronikprojekt måste du programmera det. BASIC Stamp Windows Editor är den programvara som du använder på din dator för att skapa program som kan laddas ner till en BASIC Stamp-mikrokontroller. Denna programvara är tillgänglig gratis från Parallax webbplats. ...