Bagaimana ramalan analitik baru dengan regresi r - dummies

Untuk membuat prediksi analitik dengan data baru, anda hanya menggunakan fungsi dengan senarai tujuh nilai atribut. Kod berikut berfungsi seperti berikut: >> newPrediction <- predict (model,

list (silinder = factor (4), displacement = 370, 

horsepower = 150, weight = 3904, acceleration = 12, modelYear = faktor (70), asal = faktor (1)), 
selang = "meramalkan", tahap =.95) 
Ini adalah kod dan output nilai ramalan baru:

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

Apa yang anda ada di sini adalah ramalan sebenar pertama anda dari model regresi. Kerana ia dari data yang tidak kelihatan dan anda tidak tahu hasilnya, anda tidak boleh membandingkannya dengan yang lain untuk mengetahui sama ada ia betul.

Selepas anda menilai model dengan dataset ujian, dan anda senang dengan ketepatannya, anda boleh yakin bahawa anda telah membina model ramalan yang baik. Anda perlu menunggu keputusan perniagaan untuk mengukur keberkesanan model ramalan anda.

Mungkin terdapat pengoptimuman yang anda boleh buat untuk membina model ramalan yang lebih baik dan lebih cekap. Dengan bereksperimen, anda boleh mencari kombinasi terbaik peramal untuk mencipta model yang lebih pantas dan lebih tepat.

Salah satu cara untuk membina subset ciri adalah mencari korelasi di antara pembolehubah dan menghapus pembolehubah yang berkorelasi tinggi. Mengalih keluar pembolehubah yang berlebihan yang tidak menambah apa-apa (atau menambah maklumat yang sangat sedikit) untuk yang sesuai, anda boleh meningkatkan kelajuan model. Ini benar terutama apabila anda berurusan dengan banyak pemerhatian (baris data) di mana memproses kuasa atau kelajuan mungkin menjadi masalah.

Untuk dataset yang besar, lebih banyak atribut dalam deretan data akan memperlahankan pemprosesan. Oleh itu, anda harus cuba menghilangkan maklumat yang berlebihan sebanyak mungkin.