我正在使用wine quality database。
我研究回归树取决于不同的变量为：
library(rpart)
library(rpart.plot)
library(rattle)
library(naniar)
library(dplyr)
library(ggplot2)
vinos <- read.csv(file = 'Wine.csv', header = T)
arbol0<-rpart(formula=quality~chlorides, data=vinos, method="anova")
fancyRpartPlot(arbol0)
arbol1<-rpart(formula=quality~chlorides+density, data=vinos, method="anova")
fancyRpartPlot(arbol1)我想计算均方误差，看看arbol1是否优于arbol0。由于没有更多数据可用，我将使用自己的数据集。我尝试按
aaa<-predict(object=arbol0, newdata=data.frame(chlorides=vinos$chlorides), type="anova")
bbb<-predict(object=arbol1, newdata=data.frame(chlorides=vinos$chlorides, density=vinos$density), type="anova")然后手动从aaa和bbb中减去 Dataframe 的最后一列。但是，我得到了一个错误。有人能帮助我吗？
1条答案
按热度按时间y4ekin9u1#
这个website可能对你有用。在训练你的模型之前，把你的数据集分成训练和测试子集是非常重要的。在下面的代码中，我用
base函数完成了这一步。但caTools包中还有一个名为sample.split的函数，它执行相同的过程。我附上了这个website，您可以在其中看到在R中拆分数据的所有方法。请记住，均方误差（MSE）的函数如下所示：
因此，将其应用于R非常简单。您只需计算观测值（即来自测试子集的响应变量）和预测值（即使用
predict函数从模型预测的值）之间的平方差的均值。葡萄酒数据集的一个解决方案可以是这个，它基于以前的网站。