iT邦幫忙

第 12 屆 iT 邦幫忙鐵人賽

DAY 11
1
影片教學

R語言-預測方法大全系列 第 11

[Day-11] 預測操作--線性迴歸-下 (linear regression in r)

您的訂閱是我製作影片的動力
訂閱點這裡~/images/emoticon/emoticon39.gif

若內容有誤,還請留言指正,謝謝您的指教/images/emoticon/emoticon07.gif

#影片程式碼
#延續DAY10
model <- lm(Sepal.Length~Petal.Length+Petal.Width,traindata)
library(car)
ncvTest(model)#>a 殘差變異數有同質性
shapiro.test(model$residuals) #>a 殘差常態
library(lmtest)
dwtest(model)#>a 殘差獨立
vif(model)  #<10 ok 10~100可能過度配適
future <- predict(model,testdata)
future <- as.data.frame(future)
final <- cbind(future,testdata)
library(dplyr)
final <- mutate(final,mape=abs(future-Sepal.Length)/Sepal.Length)
mean(final$mape)

##lm不理限制####
data(iris)
par(mfrow=c(1,3))
scatter.smooth(x=iris$Sepal.Width, y=iris$Sepal.Length)
scatter.smooth(x=iris$Petal.Length, y=iris$Sepal.Length)
scatter.smooth(x=iris$Petal.Width, y=iris$Sepal.Length)
iris <- iris[,-c(5)]
n <- nrow(iris)
set.seed(1117)
subiris <- sample(seq_len(n), size = round(0.7 * n))
traindata <- iris[subiris,]
testdata <- iris[ - subiris,]
model <- lm(Sepal.Length~Sepal.Width+Petal.Length+Petal.Width,traindata)
library(car)
ncvTest(model)#>a 殘差變異數有同質性
shapiro.test(model$residuals) #>a 殘差常態
library(lmtest)
dwtest(model)#>a 殘差獨立
vif(model)  #<10 ok 10~100可能過度配適
future <- predict(model,testdata)
future <- as.data.frame(future)
final <- cbind(future,testdata)
library(dplyr)
final <- mutate(final,mape=abs(future-Sepal.Length)/Sepal.Length)
mean(final$mape)

上一篇
[Day-10] 預測操作--線性迴歸-上 (linear regression in r)
下一篇
[Day-12] 預測操作--羅吉斯迴歸-上 (glm-logistic regression in r)
系列文
R語言-預測方法大全30

尚未有邦友留言

立即登入留言