Làm thế nào để dự đoán phân tích mới với R Regression - núm vú

Để dự đoán phân tích với dữ liệu mới, bạn chỉ cần sử dụng chức năng với một danh sách bảy giá trị thuộc tính. Đoạn mã sau làm công việc đó: >> newPrediction <- dự đoán (model,

danh sách (cylinder = yếu tố (4), displacement = 370, 

mã lực = 150, trọng lượng = 3904, gia tốc = 12, modelYear = khoảng = Đây là mã và kết xuất của giá trị dự đoán mới: 






 >> newPrediction fit lwr upr 1 14. 90128 8. 12795 21. 67462 

Những gì bạn có ở đây là dự đoán thực sự đầu tiên của bạn từ mô hình hồi quy. Bởi vì từ dữ liệu không nhìn thấy và bạn không biết kết quả, bạn không thể so sánh nó với bất cứ điều gì khác để tìm hiểu xem nó có đúng hay không.

Sau khi bạn đã đánh giá mô hình với tập dữ liệu thử nghiệm và bạn hài lòng với độ chính xác của nó, bạn có thể tự tin rằng bạn đã xây dựng một mô hình tiên đoán tốt. Bạn sẽ phải đợi kết quả kinh doanh để đo lường hiệu quả của mô hình tiên đoán của bạn.

Có thể có những tối ưu hóa bạn có thể thực hiện để xây dựng một mô hình tiên đoán hiệu quả hơn và hiệu quả hơn. Bằng cách thử nghiệm, bạn có thể tìm thấy sự kết hợp tốt nhất của các dự đoán để tạo mô hình nhanh hơn và chính xác hơn.

Một cách để xây dựng một tập con của các tính năng là tìm mối tương quan giữa các biến và loại bỏ các biến tương quan cao. Loại bỏ các biến dự phòng không thêm gì (hoặc thêm rất ít thông tin) để phù hợp, bạn có thể tăng tốc độ của mô hình. Điều này đặc biệt đúng khi bạn đang đối phó với nhiều quan sát (dãy dữ liệu), nơi sức mạnh xử lý hoặc tốc độ có thể là một vấn đề.

Đối với một tập dữ liệu lớn, nhiều thuộc tính hơn trong một dãy dữ liệu sẽ làm chậm quá trình xử lý. Vì vậy, bạn nên cố gắng loại bỏ càng nhiều thông tin dự phòng càng tốt.