Video: PROFETIA CUTREMURATOARE A LUI IOAN DE LA IERUSALIM 2024
Pentru a face previziuni analitice cu date noi, pur și simplu utilizați funcția cu o listă a celor șapte valori de atribute. Următorul cod face acea lucrare: >> newPrediction <- prezice (model,
listă (cilindri = factor (4), deplasare = 370,cai putere = 150, greutate = 3904, accelerație = = factor (70), origine = factor (1)),
interval = "prezice", nivel = 95)
Acesta este codul și rezultatul noii valori de predicție:
După ce ați evaluat modelul cu setul de date de testare și sunteți mulțumit de acuratețea acestuia, puteți avea încredere că ați construit un model bun de predicție. Va trebui să așteptați rezultatele de afaceri pentru a măsura eficacitatea modelului dvs. de predicție.
Pot exista optimizări pe care le puteți face pentru a construi un model predictiv mai bun și mai eficient. Prin experimentare, puteți găsi cea mai bună combinație de predictori pentru a crea un model mai rapid și mai precis.
O modalitate de a construi un subset de caracteristici este de a găsi corelația dintre variabile și a elimina variabilele foarte corelate. Dacă eliminați variabilele redundante care nu adaugă nimic (sau adăugați foarte puține informații), puteți mări viteza modelului. Acest lucru este valabil mai ales atunci când aveți de-a face cu multe observații (rânduri de date) în care puterea de procesare sau viteza ar putea fi o problemă.
Pentru un set mare de date, mai multe atribute într-un rând de date vor încetini procesarea. Deci, ar trebui să încercați să eliminați cât mai multe informații redundante posibil.