这个作业是用R语言分析广告数据集
PSTAT 131/231, Spring 2020
Due by June 10, 2020 at 11:59 PM
1.广告数据
在第一个问题中,我们将统计机器学习方法应用于随之而来的广告数据集
与教科书ISL。
#将此设置为数据所在的工作目录
setwd(“ / Users / girigopalan / Desktop / UCSB / Teaching / PSTAT_131_231_S_20 / Final”)
广告<-read.csv(’Advertising.csv’)
#每行包含不同的产品,列分别是电视广告预算,广播广告预算,
#报纸广告预算和产品的总销售额(千美元)。
#首先,我们将在广告预算上执行一些无监督的学习方法,
#因此只能查看电视,广播和报纸的广告预算。
功能<-广告[,2:4]
Y <-广告[,5]
a)(5分)在电视,广播和报纸预算数据(即功能数据)上执行分层聚类。
具体来说,绘制一个树状图,并提取四个簇。返回每个群集的数据点数。
b)(5分)确定要素数据的主要组成部分。具体来说,不要居中而是缩放
确定主要成分之前的数据。根据前两个原理绘制特征数据
组件。然后,确定特征主要成分所解释的方差比例
数据。
1个
c)(10分)现在,我们将运用监督学习来预测电视,广播和电视节目的销售额(Y)
报纸广告预算(功能)。您将不得不比较以下方法:
•线性回归
•随机森林
•岭回归
注意:由于特征(3)的数量很少,我们将不比较LASSO回归。对于每个
以上三种监督学习方法确定了10倍交叉验证错误,尤其是:
•在随机森林中使用ntree = 100、500、1000。
•使用lambda = 10−2
10-1
,…,103
进行岭回归。
因此,对于岭回归,您应该总共输出6个交叉验证错误,而对于3个交叉验证错误则输出
随机森林和线性回归的1个交叉验证错误。在所有情况下,均方差均应作为误差
指标。确保指出哪种监督学习方法会导致最小的交叉验证错误。
最后,在运行这部分代码之前,您应该
种子(123)

2. Heart disease data
In the second problem, we will apply statistical machine learning methodology to the heart disease data set that
comes with the textbook, ISL.
#Set this to your working directory where the data are
setwd(“/Users/girigopalan/Desktop/UCSB/Teaching/PSTAT_131_231_S_20/Final”)
heart <- read.csv(‘Heart.csv’)
DAT <- model.matrix( ~ . , heart)
features <- DAT[,3:18]
Y <- DAT[,19]
set.seed(123)
The training features are in features, and the output labels (1 or 0 for heart disease) are in Y. For this problem you
must:
• (5 points) Perform 10-fold cross validation to fit a ridge logistic regression model, in order to predict heart
disease.
• (5 points) Perform 10-fold cross validation to fit a lasso logistic regression model, in order to predict heart
disease.
• (5 points) Determine the predicted probabilities of having heart disease using both the best fitting ridge and
lasso models. (On the features matrix.)
• (5 points) Plot the ROC curves for both the best fitting ridge logistic regression and lasso logistic regression,
both on the same plot.
• (5 points) Determine the AUC for both the best fitting ridge logistic regression and lasso logistic regression
models, both on the same plot.
Which is the best model based on AUC?
HINT: You can use the function cv.glmnet from glmnet to perform cross validation, and you do not need to specify
a value for the parameter gamma. See labs and lecture slides for more.
2


EasyDue™ 支持PayPal, AliPay, WechatPay, Taobao等各种付款方式!

E-mail: easydue@outlook.com  微信:easydue


EasyDue™是一个服务全球中国留学生的专业代写公司
专注提供稳定可靠的北美、澳洲、英国代写服务
专注提供CS、统计、金融、经济、数学等覆盖100+专业的作业代写服务