Video: NiEUWE OPBLAASBOOT iN ZWEMBAD | Bellinga Family Vlog #785 2024
Analyseren van voorspellingen met nieuwe gegevens, u gebruikt eenvoudig de functie met een lijst van de zeven attribuutwaarden. De volgende code doet die job: >> newPrediction <- voorspellen (model,
lijst (cilinders = factor (4), verplaatsing = 370,paardenkracht = 150, gewicht = 3904, versnelling = 12, modeljaar = factor (70), oorsprong = factor (1)),
interval = "voorspellen", niveau =. 95)
Dit is de code en uitvoer van de nieuwe voorspellingswaarde:
Nadat u het model met de testgegevensreeks hebt geëvalueerd en u tevreden bent met de nauwkeurigheid, kunt u erop vertrouwen dat u een goed voorspellend model hebt gebouwd. U moet wachten op bedrijfsresultaten om de effectiviteit van uw voorspellende model te meten.
Er kunnen optimalisaties zijn die u kunt maken om een beter en efficiënter voorspellend model te bouwen. Door te experimenteren, vindt u misschien de beste combinatie van voorspellers om een sneller en nauwkeuriger model te maken.
Een manier om een subset van de functies samen te stellen, is om de correlatie tussen de variabelen te vinden en de sterk gecorreleerde variabelen te verwijderen. Als u de overbodige variabelen die niets toevoegen (of heel weinig informatie toevoegen) aan de aanpassing toevoegt, kunt u de snelheid van het model verhogen. Dit geldt vooral als u te maken heeft met veel waarnemingen (rijen met gegevens) waarbij de verwerkingskracht of -snelheid een probleem kan zijn.
Voor een grote gegevensset zullen meer kenmerken in een rij met gegevens de verwerking vertragen. Probeer dus zoveel mogelijk overtollige informatie te elimineren.