の続きです。前回はknn3関数でk-nearest neighborのアルゴリズムで男性か女性かを予測してみました。正解率は、68%でした。
今回はcaretパッケージのtrain関数をつかって、linear discriminant analysis(LDA)のモデルでやってみましょう。
まず、gendarを0, 1の数値型から、female, maleのファクター型にしたデータフレームを用意しました。
caretパッケージのtrain関数でmethod = "lda"でLDAのモデルを作ります。
たくさん警告メッセージが出てきましたが、モデル自体は作成されたようです。
predict関数でdf_train_factorのデータで予測してみます。
予測できています。
正解率を見てみましょう。caretパッケージの中にあるconfusionMatrixを使ってみました。
モデルが女性と予測して実際も女性だったのが16件(正解)、モデルが男性と予測して実際も男性だったのが14件(正解)、モデルが女性だと予測したけど実際は男性だったのが4件(不正解)、モデルが男性だと予測して実際は女性だったのが0件(不正解)でした。
正解率は88%でした。
lm関数のモデルと同じでした。
今回は以上です。
次回は
です。
はじめから読むには、
です。
