Come creare un modello di Predictive Analytics con Regressione R - dummies

Si desidera creare un modello di analisi predittiva che è possibile valutare utilizzando risultati noti. Per fare ciò, suddivideremo il nostro set di dati in due set: uno per addestrare il modello e uno per testare il modello. Sarà sufficiente una suddivisione 70/30 tra training e set di dati di test. Le prossime due righe di codice calcolano e memorizzano le dimensioni di ciascun set: >> trainSize testSize <- nrow (auto) - trainSize

Per emettere i valori, digitare il nome della variabile utilizzata per memorizzare il valore e premere Invio. Ecco l'output:

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

Questo codice determina le dimensioni dei set di dati che intendete rendere i nostri set di dati di addestramento e test. Non hai ancora creato questi set. Inoltre, non si desidera semplicemente chiamare le prime 279 osservazioni del set di allenamento e chiamare le ultime 119 osservazioni del set di test. Ciò creerebbe un modello errato perché il set di dati appare ordinato. In particolare, la colonna modelYear viene ordinata dal più piccolo al più grande.

Dall'esame dei dati, è possibile vedere che la maggior parte delle auto più pesanti, a otto cilindri, di cilindrata maggiore e di potenza maggiore risiedono nella parte superiore del set di dati. Da questa osservazione, senza dover eseguire alcun algoritmo sui dati, si può già dire che (in generale per questo set di dati) le auto più vecchie rispetto alle auto più recenti come segue:

Sono più pesanti

Hanno otto cilindri

• Avere maggiore cilindrata

• Hanno una potenza maggiore

  Ok, ovviamente molte persone sanno qualcosa sulle automobili, quindi un'ipotesi su quali sono le correlazioni non sarà troppo inverosimile dopo aver visto i dati. Qualcuno con molta conoscenza dell'automobile potrebbe averlo già saputo senza nemmeno guardare i dati.

• Questo è solo un semplice esempio di un dominio (auto) a cui molte persone possono fare riferimento. Se si trattava di dati sul cancro, tuttavia, la maggior parte delle persone non capirebbe immediatamente cosa significhi ciascun attributo.

È qui che un esperto di dominio e un modellatore di dati sono fondamentali per il processo di modellazione. Gli esperti di dominio possono avere la migliore conoscenza di quali attributi possono essere il più (o il meno) importante - e come gli attributi si correlano tra loro.

Possono suggerire al modellatore di dati quali variabili sperimentare. Possono assegnare pesi maggiori a attributi più importanti e / o pesi più piccoli a attributi di minore importanza (o rimuoverli del tutto).

Quindi devi creare un set di dati di addestramento e un set di dati di test che siano veramente rappresentativi dell'intero set. Un modo per farlo è creare il set di allenamento da una selezione casuale dell'intero set di dati.Inoltre, si desidera rendere questo test riproducibile in modo da poter imparare dallo stesso esempio.

Quindi imposta il seme per il generatore casuale in modo da avere lo stesso set di allenamento "casuale". Il seguente codice esegue questa operazione: >> set. seed (123)> training_indices <- sample (seq_len (nrow (auto)), size = trainSize)> trainSet testSet <- autos [-training_indices,]

Il training set contiene 279 osservazioni, insieme al risultato (mpg) di ogni osservazione. L'algoritmo di regressione utilizza il risultato per addestrare il modello osservando le relazioni tra le variabili predittive (uno qualsiasi dei sette attributi) e la variabile di risposta (mpg).

Il set di test contiene il resto dei dati (ovvero la porzione non inclusa nel set di allenamento). Dovresti notare che il set di test include anche la variabile response (mpg). 

Quando si utilizza la funzione di previsione (dal modello) con il set di test, ignora la variabile di risposta e utilizza solo le variabili predittore purché i nomi delle colonne siano uguali a quelli del set di allenamento.

Per creare un modello di regressione lineare che utilizza l'attributo mpg come variabile di risposta e tutte le altre variabili come variabili predittive, digitare la seguente riga di codice: >> model