Bing Image Creator で生成: Closeup of flowering Dianthus, Winter season, small fire, photo
の続きです。
前回は決定木モデルで判別しました。今回はLASSO回帰によるモデルで判別してみます。glmnetパッケージを読み込みます。
glmnetはマトリックスオブジェクトでないと動きませんので、マトリックスを生成します。前回の決定木モデルの経験から、kensuなどの説明変数はそのままだと判別が難しそうなので、2乗項や交差項を付け加えました。また、yearをparse_number()関数でファクターでなくて、数値データに変換しました。
さらに、各変数の値の範囲を0から1に統一します。
被説明変数のベクトルを生成します。
さあ、これで準備は整いました。cv.glmnet()関数でクロスバリデーションをしてLASSO回帰をします。
plot()関数でグラフを描いてみます。
coef()関数でモデルの係数をみてみます。
predict()関数で予測します。
さあ、実際の値と予測の値を比較してみます。
正解率を計算します。
62%でした。
デタラメ予測は27%ぐらいでしたから、倍以上の予測精度でした。
今回は以上です。
次回は、
です。
初めから読むには、
です。
