Bing Image Creatorで生成：菜の花がいっぱい咲いている、月世界の写真
の続きです。前の2回はClassificationをrpartパッケージとglmnetパッケージを使って実行しました。今回はRegressionを実行してみます。非説明変数をroundnessにして、説明変数をShapeFactor1 ~ 4 にしてやってみましょう。
まずは、基本の線形回帰をRのlm()関数で行います。
roundnessはShapeFactor3と4に関係があるような結果です。Multiple R-squaredの値は0.533なので、roundnessの値の53%はこの回帰分析の推定式で説明できます。
predict()関数を使い、テスト用のデータで値を予測します。
plot()関数で予測結果と実際の値の散布図を描いてみます。
MSE(Mean Squared Error)を計算します。
次はrpartパッケージで決定木のモデルでやってみます。
CPとxerrorの関係をグラフでみてみます。
最適なCPの値を確認します。
この最適なCPで決定木モデルを剪定します。
では、最終的なモデルをみてみましょう。
前々回のClassificationとは違い、今回はかなり枝分かれした木になりました。
このモデルで予測してみます。
予測結果と実際の値の散布図を描きます。
MSEを計算します。
lm()関数での予測のほうが正確な予測でした。
今回は以上です。
初めから読むには、
です。
