Bing Image Creator で生成: Bird's view of green grass fields, some small lakes, some woods, blue sky, white clouds, photo
の続きです。
今回はLASSO回帰による判別をします。使うパッケージは、glmnetパッケージです。
まず、パッケージを読み込みをします。
glmnetでは、データフレームではなく、マトリックスが必要になるので、df_train, df_testからマトリックスを生成します。
それでは、モデルをフィットします。cv.glmnet関数を使います。
plot()関数で結果をグラフにすると、以下のようになります。
モデルの係数をみてみます。
モデルで使われない変数は、. が表示されます。coex が絶対値で一番大きいですので、この変数が一番影響力がありそうです。2番目がpe2ですね。
coex, pe2の散布図を描いてみます。
coex, pe2が大きな値のものは、Besniで小さな値のものはKecimanですね。
predict()関数で予測してみます。
実際の値と比較してみます。
正解率はどのくらいでしょうか？
83.7%でした。
Confusion Matrixも作成しておきます。
今回は以上です。
次回は
です。
初めから読むには、
です。
