เพื่อสร้างการคาดคะเนการวิเคราะห์ด้วยข้อมูลใหม่ คุณเพียงใช้ฟังก์ชันนี้กับรายการค่าแอตทริบิวต์เจ็ดรายการ รหัสงานต่อไปนี้ใช้กับงาน: >> newPrediction <- predict (model,
list (cylinders = factor (4), displacement = 370,horsepower = 150, weight = 3904, acceleration = 12, modelYear = ปัจจัย (70) ต้นกำเนิด = ปัจจัย (1)),
interval = "predict", level =. 95)
นี่คือรหัสและผลลัพธ์ของค่าที่คาดการณ์ใหม่:
หลังจากที่คุณได้ประเมินโมเดลด้วยชุดข้อมูลทดสอบและพอใจกับความถูกต้องคุณสามารถมั่นใจได้ว่าคุณได้สร้างแบบจำลองการคาดการณ์ที่ดี คุณจะต้องรอผลการดำเนินธุรกิจเพื่อวัดประสิทธิภาพของรูปแบบการคาดการณ์ของคุณ
อาจมีการเพิ่มประสิทธิภาพที่คุณสามารถทำได้เพื่อสร้างโมเดลการทำนายที่ดีและมีประสิทธิภาพมากขึ้น จากการทดลองคุณอาจพบตัวบ่งชี้ที่ดีที่สุดในการสร้างโมเดลที่เร็วและแม่นยำมากขึ้น
วิธีหนึ่งในการสร้างเซตย่อยของคุณลักษณะคือการหาค่าสหสัมพันธ์ระหว่างตัวแปรและลบตัวแปรที่มีความเกี่ยวข้องสูง การลบตัวแปรซ้ำซ้อนที่ไม่มีอะไรเพิ่ม (หรือเพิ่มข้อมูลน้อยมาก) ให้พอดีคุณสามารถเพิ่มความเร็วของรูปแบบได้ โดยเฉพาะอย่างยิ่งเมื่อคุณกำลังเผชิญกับข้อสังเกตหลาย ๆ อย่าง (แถวข้อมูล) ที่กำลังประมวลผลหรือความเร็วอาจเป็นปัญหา
สำหรับชุดข้อมูลขนาดใหญ่แอตทริบิวต์ในแถวข้อมูลจะทำให้การประมวลผลช้าลง ดังนั้นคุณควรพยายามกำจัดข้อมูลที่ซ้ำซ้อนให้ได้มากที่สุด
