Vídeo: Machine Learning e Analise Preditiva 2025
Você deseja criar um modelo de análise preditiva que você possa avaliar usando os resultados conhecidos. Para fazer isso, vamos dividir nosso conjunto de dados em dois conjuntos: um para treinar o modelo e outro para testar o modelo. Uma divisão 70/30 entre treinamento e testes de conjuntos de dados será suficiente. As próximas duas linhas de código calculam e armazenam os tamanhos de cada conjunto: >> trainSize testSize <- nrow (autos) - trainSize
Para exibir os valores, digite o nome da variável usada para armazenar o valor e pressione Enter. Aqui está a saída:
A partir da análise dos dados, você pode ver que a maioria dos mais pesados, oito cilindros, maior deslocamento, maiores-cavalo-força de automóveis residem na parte superior do conjunto de dados. A partir desta observação, sem ter que executar nenhum algoritmo nos dados, você já pode contar isso (em geral para este conjunto de dados) carros mais antigos em comparação com os carros mais novos, da seguinte forma:
São mais pesados Tenha oito cilindros
-
maior deslocamento
-
-
Tenha maior potência
Ok, obviamente, muitas pessoas sabem algo sobre automóveis, então uma adivinhação sobre o que as correlações são não será muito longe depois de ver os dados. Alguém com muito conhecimento do automóvel pode já ter sabido isso sem sequer olhar para os dados. -
Este é apenas um exemplo simples de um domínio (carros) com o qual muitas pessoas podem se relacionar. Se este fosse um dado sobre câncer, no entanto, a maioria das pessoas não entenderia imediatamente o que cada atributo significa.
Aqui é onde um especialista em domínio e um modelador de dados são vitais para o processo de modelagem. Os especialistas em domínio podem ter o melhor conhecimento de quais atributos podem ser os mais (ou menos) importantes - e como os atributos se correlacionam entre si.
Eles podem sugerir ao modelador de dados quais variáveis experimentar. Eles podem dar pesos maiores a atributos mais importantes e / ou pesos menores a atributos de menor importância (ou removê-los completamente).
Então você precisa fazer um conjunto de dados de treinamento e um conjunto de dados de teste que sejam verdadeiramente representativos de todo o conjunto. Uma maneira de fazê-lo é criar o conjunto de treinamento a partir de uma seleção aleatória de todo o conjunto de dados.Além disso, você deseja tornar este teste reprodutível para que você possa aprender com o mesmo exemplo.
Assim, defina a semente para o gerador aleatório, então teremos o mesmo conjunto de treinamento "aleatório". O código a seguir faz essa tarefa: >> set. semente (123)> training_indices <- sample (seq_len (nrow (autos)), size = trainSize)> trainSet testSet <- autos [-training_indices,]
O conjunto de treinamento contém 279 observações, juntamente com o resultado (mpg) de cada observação. O algoritmo de regressão usa o resultado para treinar o modelo, observando as relações entre as variáveis preditoras (qualquer um dos sete atributos) e a variável de resposta (mpg).
O conjunto de teste contém o resto dos dados (ou seja, a parte não incluída no conjunto de treinamento). Você deve notar que o conjunto de teste também inclui a variável de resposta (mpg).Quando você usa a função de previsão (do modelo) com o conjunto de teste, ignora a variável de resposta e usa apenas as variáveis preditoras, desde que os nomes das colunas sejam iguais aos do conjunto de treinamento.
Para criar um modelo de regressão linear que usa o atributo mpg como variável de resposta e todas as outras variáveis como variáveis preditoras, digite a seguinte linha de código: >> modelo
