Function predict() in R : la fonction pour la modélisation prédictive

R predict() joue un rôle particulier dans le contexte de l’apprentissage automatique, car il offre la possibilité de faire des prédictions pour de nouvelles données qui n’ont pas encore été observées.

À quoi sert la fonction R predict() ?

La fonction predict() de R est un outil polyvalent utilisé dans la modélisation prédictive. Elle sert à générer des prédictions pour des points de données nouveaux ou existants sur la base d’un modèle statistique préalablement conçu. Ce modèle peut par exemple avoir été créé par régression linéaire, régression logistique, arbres de décision ou autres techniques de modélisation.

Comment la fonction R predict() est-elle structurée ?

La fonction predict() accepte comme arguments le modèle entraîné et les points de données pour lesquels des prédictions doivent être effectuées. Selon le type de modèle, différentes options et paramètres peuvent être spécifiés. Le résultat est un vecteur de prédictions qui peut être utilisé à différentes fins d’analyse, telles que l’évaluation des performances du modèle, la prise de décisions ou la visualisation des données résultantes.

predict(objet, newdata, intervalle)

• objet : le modèle entraîné auquel les prédictions doivent être appliquées
• newdata : les points de données pour lesquels les prédictions doivent être effectuées
• interval : un argument optionnel pour indiquer le type d’intervalle de confiance (confidence pour les moyennes, prediction pour les prédictions)

Exemple d’utilisation de la fonction predict dans R

L’exemple suivant a pour but de vous faire comprendre le fonctionnement de la fonction predict() de R. Pour cela, nous utilisons un jeu de données défini par l’utilisateur avec des valeurs de vitesse et de distance.

Créer et afficher des données

custom_data <- data.frame(speed = c(15, 20, 25, 30, 35),
    distance = c(30, 40, 50, 60, 70))
# Afficher le dataframe personnalisé
print("Custom Data Frame:")
print(custom_data)

Dans la première étape de cet exemple, nous construisons un ensemble de données défini par l’utilisateur afin d’étudier la relation entre la vitesse (speed) et la distance parcourue (distance). Pour cela, nous créons un dataframe avec la fonction data.frame(). Avec c(15, 20, 25, 30, 35) et c(30, 40, 50, 60, 70), nous définissons des valeurs concrètes pour les variables speed et distance.

Après la création de l’ensemble de données, nous l’affichons à l’aide de la fonction print(). Nous pouvons ainsi vérifier visuellement la structure et les valeurs attribuées au nouveau cadre de données.

Sortie :

"Custom Data Frame:"
    speed    distance
1   15        30
2   20        40
3   25        50
4   30        60
5   35        70

Créer un modèle linéaire

# Création d’un modèle linéaire pour le dataframe personnalisé
custom_model <- lm(distance ~ speed, data = custom_data)
# Imprimer les résultats du modèle
print("Model Results:")
print(summary(custom_model))

Sortie :

"Model Results:"
Call:
lm(formula = distance ~ speed, data = custom_data)
Residuals:
     1 2 3 4 5
    -2 -1 1 0 2
Coefficients:
(Intercept)        -10.00     15.81         -0.632        0.55897
speed                        2.00             0.47             4.254            0.01205

Dans cet exemple, nous développons un modèle linéaire (custom_model) basé sur le jeu de données pour étudier la relation entre la vitesse (speed) et la distance (distance). Les résultats du modèle incluent un aperçu des coefficients et des statistiques clés, permettant d’évaluer l’impact de la vitesse sur la distance parcourue.

Définir de nouvelles valeurs pour la vitesse et faire des prédictions

# Création d’un dataframe avec de nouvelles valeurs de vitesse
new_speed_values <- data.frame(speed = c(40, 45, 50, 55, 60))
# Prédire les futures valeurs pour la distance en utilisant le modèle linéaire
predicted_distance <- predict(custom_model, newdata = new_speed_values)

Nous définissons maintenant un autre jeu de données (new_speed_values) avec de nouvelles valeurs pour la vitesse. Ensuite, avec R predict(), nous faisons des prédictions pour les valeurs de distance correspondantes en utilisant le modèle linéaire créé précédemment.

Afficher les prédictions

# Afficher les valeurs prédites
print("Predicted Distance Values:")
print(predicted_distance)

La sortie nous montre les valeurs de distance prévues en fonction de la vitesse :

"Predicted Distance Values:"
1              2             3               4                5
80.0000 90.0000 100.0000 110.0000 120.0000