# Kas ir predict() programmā R?

Izmantojot R `predict()` funkciju, varat veikt prognozes par jauniem, neredzētiem datiem. Šī funkcija ir svarīgs rīks mašīnmācībai.

## Kādam nolūkam R izmanto predict()?

R funkcija `predict()` ir daudzpusīgs rīks, ko izmanto prognozēšanas modelēšanā. Tā ģenerē **prognozes jauniem vai esošiem datu punktiem,** pamatojoties uz iepriekš izstrādātiem statistiskiem modeļiem, piemēram, lineāro regresiju, loģisko regresiju, lēmumu kokiem un citām modelēšanas metodēm.

## Kāda ir sintakse funkcijas predict() izmantošanai programmā R?

R funkcija `predict()` kā argumentus izmanto **apmācītu modeli un datu punktus**, uz **kuriem** jāattiecina prognoze. Jūs varat norādīt dažādas opcijas un parametrus atkarībā no izmantotā modeļa veida. Rezultāts ir prognožu vektors, kas var būt noderīgs dažādiem analītiskiem mērķiem, tostarp modeļa veiktspējas novērtēšanai, lēmumu pieņemšanai vai rezultātu datu ilustrēšanai.

```R
predict(object, newdata, interval)
```

- **`object`**: Apmācītais modelis, uz kuru tiek attiecinātas prognozes
- **`newdata`**: Datu punkts prognozei
- **`interval`**: Papildu arguments, lai ievadītu konfidences intervāla veidu (`confidence` vidējam intervālam, `prediction` prognozēm)

## Piemērs, kā lietot predict() R valodā

Šis piemērs ilustrē, kā darbojas funkcija `predict()` programmā R. Mēs izmantosim lietotāja definētu datu kopu ar ātruma un attāluma vērtībām.

### Datu izveide un attēlošana

```R
# Creating a data frame with custom speed and distance values
custom_data <- data.frame(speed = c(15, 20, 25, 30, 35),
    distance = c(30, 40, 50, 60, 70))
# Displaying the custom data frame
print("Custom Data Frame:")
print(custom_data)
```

Vispirms izveidosim **lietotāja definētu datu kopu**, lai novērtētu ātruma un attāluma savstarpējo saistību. Izmantosim funkciju `data.frame()`, lai izveidotu datu rāmi, un pēc tam definēsim mainīgo `speed` un `distance` vērtības kā `c(15, 20, 25, 30, 35)` un `c(30, 40, 50, 60, 70)`.

Pēc datu kopas izveidošanas mēs to parādīsim, izmantojot funkciju `print()`. Tādējādi mēs varam pārbaudīt jauno datu rāmja struktūru un piešķirtās vērtības.

Rezultāts:

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

### Lineārā modeļa izveide

```R
# Creating a linear model for the custom data frame
custom_model <- lm(distance ~ speed, data = custom_data)
# Printing the model results
print("Model Results:")
print(summary(custom_model))
```

Rezultāts:

```R
"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
```

Rezultātā redzam lineāro modeli (`custom_model`), kas tika izveidots datu kopai un modelē attiecības starp ātrumu un attālumu. Mēs iegūstam modeļa rezultātu, ieskaitot koeficientus un statistisko informāciju.

### Jaunu ātruma vērtību definēšana un prognožu izstrāde

```R
# Creating a data frame with new speed values
new_speed_values <- data.frame(speed = c(40, 45, 50, 55, 60))
# Predicting future distance values using the linear model
predicted_distance <- predict(custom_model, newdata = new_speed_values)
```

Tagad esam izveidojuši vēl vienu datu kopu (`new_speed_values`) ar jaunām ātruma vērtībām. Tad izmantojām R `predict()`, lai izdarītu prognozes par atbilstošajām attāluma vērtībām, izmantojot iepriekš izveidoto lineāro modeli.

### Prognožu parādīšana

```R
# Displaying the predicted values
print("Predicted Distance Values:")
print(predicted_distance)
```

Rezultāti parāda attāluma vērtības, kas prognozētas, pamatojoties uz ātrumu:

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

Tip Ja vēlaties uzzināt par teksta apstrādi un datu tīrīšanu R valodā, apskatiet mūsu apmācības par R gsub un sub, kā arī [R substring](https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/r-apaksvirkne/).


This is a markdown version of: [https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/r-prognozet/](https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/r-prognozet/) for AI/LLM consumption.