R တွင် ခန့်မှန်းထားသောတန်ဖိုးများကို မည်သို့ဆွဲမည်နည်း (ဥပမာများဖြင့်)

မကြာခဏဆိုသလို သင်ခန့်မှန်းထားသောတန်ဖိုးများနှင့် အမှန်တကယ်တန်ဖိုးများအကြား ခြားနားချက်များကို မြင်သာစေရန်အတွက် R တွင် ဆုတ်ယုတ်မှုပုံစံတစ်ခု၏ ခန့်မှန်းတန်ဖိုးများကို ကြံစည်ချင်ပေမည်။

ဤသင်ခန်းစာသည် R နှင့် ggplot2 တွင် ဤဇာတ်ကွက်အမျိုးအစားကို ဖန်တီးခြင်း၏နမူနာများကို ပေးသည်။

ဥပမာ 1: အခြေခံ R တွင် ခန့်မှန်းထားသော နှင့် အမှန်တကယ်တန်ဖိုးများကို ကြံစည်ခြင်း။

အောက်ဖော်ပြပါ ကုဒ်သည် R တွင် မျဥ်းညီထွေရှိသော ဆုတ်ယုတ်မှုပုံစံကို မည်သို့အံဝင်ခွင်ကျလုပ်ရမည်ကိုပြသပြီး ခန့်မှန်းထားသောနှင့် အမှန်တကယ်တန်ဖိုးများကို ကွက်ကွက်ဖန်တီးပါ။

 #create data
df <- data. frame (x1=c(3, 4, 4, 5, 5, 6, 7, 8, 11, 12),
                 x2=c(6, 6, 7, 7, 8, 9, 11, 13, 14, 14),
                 y=c(22, 24, 24, 25, 25, 27, 29, 31, 32, 36))

#fit multiple linear regression model
model <- lm(y ~ x1 + x2, data=df)

#plot predicted vs. actual values
plot(x=predict(model), y=df$y,
     xlab=' Predicted Values ',
     ylab=' Actual Values ',
     main=' Predicted vs. Actual Values ')

#add diagonal line for estimated regression line
abline(a= 0 , b= 1 )

X-axis သည် မော်ဒယ်မှ ခန့်မှန်းတန်ဖိုးများကို ပြသပြီး Y-axis သည် dataset မှ အမှန်တကယ်တန်ဖိုးများကို ပြသသည်။ ဂရပ်၏အလယ်ရှိ ထောင့်ဖြတ်မျဉ်းသည် ခန့်မှန်းခြေ ဆုတ်ယုတ်မှုမျဉ်းဖြစ်သည်။

ဒေတာအချက်များတစ်ခုစီသည် ခန့်မှန်းခြေဆုတ်ယုတ်မှုမျဉ်းနှင့် အတော်လေးနီးကပ်နေသောကြောင့်၊ ဆုတ်ယုတ်မှုပုံစံသည် ဒေတာနှင့်ကိုက်ညီမှုအတော်အတန်ကောင်းမွန်သည့်အလုပ်ဖြစ်ကြောင်း ကျွန်ုပ်တို့ကိုပြောပြသည်။

ဒေတာအချက်တစ်ခုစီအတွက် အမှန်တကယ်နှင့် ခန့်မှန်းတန်ဖိုးများကို ပြသသည့် ဒေတာဘောင်တစ်ခုကိုလည်း ဖန်တီးနိုင်သည်-

 #create data frame of actual and predicted values
values <- data. frame (actual=df$y, predicted=predict(model))

#view data frame
values

   actual predicted
1 22 22.54878
2 24 23.56707
3 24 23.96341
4 25 24.98171
5 25 25.37805
6 27 26.79268
7 29 28.60366
8 31 30.41463
9 32 33.86585
10 36 34.88415

ဥပမာ 2- ggplot2 တွင် ခန့်မှန်းထားသော ကိန်းဂဏန်းများနှင့် လက်တွေ့တန်ဖိုးများ

အောက်ပါကုဒ်သည် ggplot2 data visualization package ကို အသုံးပြု၍ ခန့်မှန်းထားသည့် ကွက်ကွက်နှင့် လက်တွေ့တန်ဖိုးများကို မည်သို့ဖန်တီးရမည်ကို ပြသသည်-

 library (ggplot2) 

#create data
df <- data. frame (x1=c(3, 4, 4, 5, 5, 6, 7, 8, 11, 12),
                 x2=c(6, 6, 7, 7, 8, 9, 11, 13, 14, 14),
                 y=c(22, 24, 24, 25, 25, 27, 29, 31, 32, 36))

#fit multiple linear regression model
model <- lm(y ~ x1 + x2, data=df)

#plot predicted vs. actual values
ggplot(df, aes (x=predict(model), y=y)) + 
  geom_point() +
  geom_abline(intercept= 0 , slope= 1 ) +
  labs(x=' Predicted Values ', y=' Actual Values ', title=' Predicted vs. Actual Values ')

တဖန် X-axis သည် မော်ဒယ်မှ ခန့်မှန်းတန်ဖိုးများကို ပြသပြီး Y-axis သည် dataset မှ အမှန်တကယ်တန်ဖိုးများကို ပြသသည်။

ထပ်လောင်းအရင်းအမြစ်များ

R တွင်ကျန်ရှိသောကွက်ကွက်ဖန်တီးနည်း
R တွင်ကျန်ရှိသော histogram ကိုဖန်တီးနည်း
R တွင် စံသတ်မှတ်ထားသော အကြွင်းအကျန်များကို တွက်ချက်နည်း