Cómo nuevas predicciones analíticas con regresión r
Para hacer predicciones analíticas con nuevos datos, sólo tiene que utilizar la función con una lista de los siete valores de los atributos. El siguiente código hace ese trabajo:
> NewPrediction lt; - predecir (modelo,
lista (cilindros = Factor (4), el desplazamiento = 370,
= 150 caballos de fuerza, peso = 3904, la aceleración = 12, modelo del año = factor de (70), el origen = factor de (1)),
intervalo = "predecir", level = 0,95)
Este es el código y salida del nuevo valor de predicción:
> LWR newPredictionfit UPR1 14.90128 8.12795 21.67462
Lo que tenemos aquí es su primera predicción real desde el modelo de regresión. Porque es a partir de datos que no se ven y no se sabe el resultado, no se puede comparar contra cualquier otra cosa para averiguar si era correcta.
Después de haber evaluado el modelo con el conjunto de datos de prueba, y usted es feliz con su exactitud, puede tener la confianza de que usted construyó un buen modelo predictivo. Vas a tener que esperar a los resultados del negocio para medir la eficacia de su modelo predictivo.
Puede haber optimizaciones que usted puede hacer para construir un modelo predictivo mejor y más eficiente. Experimentando, usted puede encontrar la mejor combinación de predictores para crear un modelo más rápido y preciso.
Una forma de construir un subconjunto de las características es encontrar la correlación entre las variables y quitar las variables altamente correlacionadas. Extracción de las variables redundantes que no añaden nada (o añaden muy poca información) para el ajuste, se puede aumentar la velocidad de la modelo. Esto es especialmente cierto cuando usted está tratando con muchas observaciones (filas de datos), donde la potencia de procesamiento o la velocidad podría ser un problema.
Para un gran conjunto de datos, más atributos en una fila de datos se ralentizará el proceso. Así que usted debe tratar de eliminar la información tanto redundante como sea posible.