Aplicando Machine Learning no R - Resultados (Curso R para Machine Learning - Aula 13)
Вставка
- Опубліковано 4 жов 2024
- Com nosso modelo de machine learning criado através da função Rpart que utiliza um algoritimo de árvore de decisão, podemos realizar as previsões. Para isso utlizamos o dataset de teste, que contém os dados que o modelo ainda não conhece, possibilitando que avaliemos a precisão do modelo através da análise dos resultados.
Acompanhe abaixo o resumo:
0:52 função predict para gerar as previsões dos preços desconhecidos
1:34 análise das previsões realizadas
2:16 análise do desempenho do modelo
6:17 distribuição de preços no dataset inteiro
7:03 função quantile para verificar o preço em um percentil específico
8:10 histograma com 90% dos preços
11:03 análise dos resultados quando o preço do carro está entre 10 e 70 mil reais
12:33 comparando o desempenho com o da segunda aula ( • Como aplicar Machine L... )
13:13 exclusão da variável carro
14:58 novo modelo e novas previsões sem a varíavel carro
O curso completo de R para Machine Learning está organizado nessa página: didatica.tech/...
E também nessa playlist: • R para Machine Learnin...
Assisti todas as aulas ! ... Conteúdo excelente ! ... Obrigado por compartilhar ...
Parabéns ótimas aulas, muito bom
Parabéns e obrigado! Ótimas aulas!
Parabens pelo ótimo conteúdo
Obrigado pelo vídeo! Estou tendo problemas na hora de criar o teste$Previsão, aparece o seguinte erro:
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = attr(object, :
factor Carro has new levels 100 S-4 2.2 Avant Turbo, 106 Quiksilver 1.0 3p, 206 Holiday 1.4 8V 75cv 3p, 207 Sedan Active 1.4 Flex 8V 4p, 207 Sedan Allure 1.4 Flex 8v 4p, 208 Active Pack 1.2 flex 12V 5p Mec., 208 Allure inconcert 1.5 Flex 8V 5p Mec., 225i Active Tourer Sport 2.0 TB Aut., 306 Si/ SL 1.8, 308 Allure 1.6 Turbo Flex 16V 5p Aut., 318iA 2.0 16V 136cv 5p, 328iA Plus 2.0 TB 16V 245cv 4p, 330iA Exclusive 3.0 24V 4p, 335i 3.0 ActiveHybrid 3, 420i Cabriolet Sport 2.0 TB 184cv 2p, 428i Gran Coupe Sport 2.0 TB 245cv, 430i Cab. Sport Limited Ed.2.0 TB 2p, 435iA M Sport Coupe 3.0 24V 306cv 2p, 500 SPORT 1.4 16V 100cv Dualogic, 605 SRi/ SLi 2.0, 650iA 4.4 407cv Bi-Turbo, 650iA Limited Sport Edition 4.8 32V, A3 Cabriolet 1.8 16V TFSI 180cv S-tronic, A4 2.4 Avant V6 30V Quattro Tiptronic, A4 2.8 Avant V6 30V Quattro Tiptronic, A4 Avant Lim. Ed. 2.0 TFSI S tronic, A5 Ambit. Plus Sport. 2.0 TFSI S tronic, A6 2.4 V6 30V Quattro Mec, A6 2.4 V6 30V Quattro Tiptronic, A6 2.7 30V Ava
Segui o passo a passo das aulas.
Agradeço se houver retorno.
Tive o mesmo problema. Vc conseguiu solucionar?
tive o mesmo problema, alterei as variaveis de chr para factor e rodou
df$Marca
@@leonardobecker7285 valeu!
@@leonardobecker7285
Caso nao tenha funcionado
altere tambem a variavel CARRO
df$Carro
@@leonardobecker7285 mt obg, comentario antigo mas até hj ta me ajudando
Olá, pessoal. Quais dentre os algoritmos me retornarão as melhores variáveis que o modelo considerou? Por exemplo, as regressões me informam os betas e OR´s; rede neural me retorna os pesos das variáveis; alguns algoritmos (C5.0, 1R, p.e.) de árvore de decisão me mostra bem explicitamente as variáveis em jogo. Onde aplico ML, é importante para saber quais as melhores variáveis consideradas pelos modelos. Alguma dica? Abraço.
4:03 - está errado !!! O correto é 2,34 ...