BKT_03

data(mtcars)

# Perform linear regression
model <- lm(hp ~ wt + qsec, data = mtcars)

# Predict the values
predictions <- predict(model, mtcars)

# Calculate RMSE
rmse <- sqrt(mean((mtcars$hp - predictions)^2))

# Print the result
cat("RMSE:", rmse)

## RMSE: 30.41767

# Load gói
library(caret)

## Warning: package 'caret' was built under R version 4.4.3

## Loading required package: ggplot2

## Loading required package: lattice

# Chia dữ liệu thành tập huấn luyện và kiểm tra
set.seed(123)
index <- createDataPartition(iris$Species, p = 0.8, list = FALSE)
train_data <- iris[index, ]
test_data <- iris[-index, ]

# Chạy mô hình hồi quy logistic
model <- train(Species ~ ., 
               data = train_data, 
               method = "multinom", 
               trControl = trainControl(method = "none"))

## # weights:  18 (10 variable)
## initial  value 131.833475 
## iter  10 value 14.537939
## iter  20 value 4.489823
## iter  30 value 3.639148
## iter  40 value 2.956851
## iter  50 value 2.806269
## iter  60 value 2.496827
## iter  70 value 1.897817
## iter  80 value 1.726458
## iter  90 value 1.669028
## iter 100 value 1.630859
## final  value 1.630859 
## stopped after 100 iterations

# Dự đoán trên tập kiểm tra
predictions <- predict(model, newdata = test_data)

# Tính độ chính xác
accuracy <- mean(predictions == test_data$Species)

# In kết quả
cat("Độ chính xác:", accuracy)

## Độ chính xác: 0.9333333