【无标题】在R语言中,使用 Chickweight 数据进行预测进行5倍的交叉验证,重复抽样1000,用 Tme,Chck和成De预测 Weight 2.比较 GLM,RRM 以及 LASSO 模型

最新推荐文章于 2023-09-04 07:57:02 发布

Mrrunsen

最新推荐文章于 2023-09-04 07:57:02 发布

阅读量319

点赞数

分类专栏： R语言大学作业文章标签： r语言开发语言

本文链接：https://blog.csdn.net/Mrrunsen/article/details/132553056

版权

R语言大学作业专栏收录该内容

该专栏为热销专栏榜第90名

1412 篇文章 6275 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

该博客利用R语言中的Chickweight数据集进行预测，采用5倍交叉验证和1000次重复抽样，以Tme、Chick和Diet预测Weight。对比了GLM、RRM和LASSO模型的预测准确率，结果显示RRM模型的预测准确率最高，达到0.8141。

摘要由CSDN通过智能技术生成

1.在R语言中,使用 Chickweight 数据进行预测进行5倍的交叉验证,重复抽样1000,用 Tme,Chck和成De预测 Weight
2.比较 GLM,RRM 以及 LASSO 模型的预测准确率。
3.讨论结果并说出自己的推测。

##  在R语言中，使用ChickWeight数据进行预测
##  进行5倍的交叉验证，重复抽样1000次，用Time，Chick 预测weight
##  比较GLM，RRM以及LASSO模型的预测正确率
## 加载R包caret　
library(caret)
set.seed(123)
## 设置repeats = 5 ，5倍的交叉验证  number = 1000， 重复抽样1000次 
ctrl <- trainControl(repeats = 5,number = 1000)
## names(getModelInfo()) 查询 train函数中的模型
## GLM
model1 <- train(weight ~ Time  + Chick ,data = ChickWeight,
                method = "glm",trControl  = ctrl)
## RRM
model2 <- train(weight ~ Time  + Chick  ,data = ChickWeight,
                  method = "ridge&