在 R 编程语言中使用 caret 计算 RMSE 和 R-squared

Caret 是一个用于机器学习和数据挖掘的 R 包，它提供了许多用于模型训练和评估的功能。在本文中，我们将介绍如何使用 caret 包计算 RMSE 和 R-squared。

安装 caret 包

在 R 中安装和加载 caret 包非常容易。只需要在 R 控制台中执行以下命令即可：

install.packages("caret")
library(caret)

准备数据

在本文中，我们将使用 mtcars 数据集进行演示。您可以使用下面的命令加载该数据集：

data(mtcars)

我们将使用 mtcars 数据集的前 20 行作为训练集，而其余行作为测试集。在这里，我们将 mpg（每加仑英里数）作为响应变量（因变量），将其他变量作为自变量。我们将使用 caret 包中的 createDataPartition 函数将数据集随机分割为训练和测试集。请看以下代码：

library(dplyr)
set.seed(123)
trainIndex <- createDataPartition(mtcars$mpg, p = 0.8, list = FALSE)
trainData <- mtcars[trainIndex, ]
testData <- mtcars[-trainIndex, ]

使用 caret 包计算线性回归模型

我们将使用 train 函数训练一个基于线性回归的模型，并使用训练集计算 RMSE 和 R-squared。请看以下代码：

model <- train(mpg ~ ., data = trainData, method = "lm")
predictions <- predict(model, testData)

# 计算 RMSE
RMSE(predictions, testData$mpg)

# 计算 R-squared
R2(predictions, testData$mpg)

结论

在本文中，我们使用 R 语言的 caret 包计算了一个基于线性回归的模型的 RMSE 和 R-squared 值。Caret 包提供了一种简单而灵活的方式来训练和评估机器学习模型。