O que é e como usar a função R predict()?

Com a função predict() em R, você consegue fazer previsões de dados novos e inéditos, de maneira simples e eficiente. Essa é uma ferramenta de fundamental importância para o aprendizado de máquina (machine learning), sendo amplamente utilizada em análises estatísticas e modelagem preditiva.

Para que usar a função R predict()?

A função R predict() é uma ferramenta versátil usada em modelos preditivos. Ela gera previsões para pontos de dados novos ou existentes baseadas em modelos estatísticos desenvolvidos anteriormente, como regressão linear, regressão lógica, árvore de decisão e outras técnicas de modelagem. Sua aplicação se estende tanto a análises exploratórias quanto ao desenvolvimento de algoritmos de previsão mais complexos, tornando-se essencial em diversos contextos.

Sintaxe da função predict() em R

A função R predict() considera como argumentos um modelo treinado e os pontos de dados aos quais a previsão será aplicada. Você também pode especificar opções e parâmetros diferentes baseados no tipo de modelo usado. O resultado é um vetor de previsões útil para diversos fins analíticos, incluindo avaliações de desempenho de modelos, tomadas de decisão ou ilustrações dos dados resultantes.

predict(objeto, dados, intervalo)

• objeto: O modelo treinado ao qual as previsões serão aplicadas.
• dados: Os pontos de dados para a previsão.
• intervalo: Argumento opcional. Serve para inserir o tipo de intervalo de confiança (confidence para intervalo médio, prediction para previsões).

Exemplos de aplicação da função R predict()

O exemplo a seguir ilustra como aplicar a função predict() em R. Usaremos um conjunto de dados definido pelo usuário com valores de velocidade e distância.

Criar e exibir dados

dados_personalizados <- data.frame(velocidade = c(15, 20, 25, 30, 35),
    distancia = c(30, 40, 50, 60, 70))
# Exibição do data frame personalizado
print("Data frame personalizado:")
print(dados_personalizados)

Primeiro, criamos um conjunto de dados definido pelo usuário para avaliar a relação entre velocidade e distância. Usamos a função data.frame() para criar um data frame e definir os valores das variáveis velocidade e distância como c(15, 20, 25, 30, 35) e c(30, 40, 50, 60, 70), respectivamente.

Após criarmos o conjunto de dados, nós o exibimos usando a função print(). Assim, conseguimos verificar a estrutura e os valores designados ao nosso novo data frame. Veja:

O resultado obtido é:

"Data frame personalizado:"
    velocidade distancia
1        15            30
2        20             40
3        25             50
4        30             60
5        35             70

Criar modelo linear

# Criação de modelo linear para o data frame personalizado
modelo_personalizado <- lm(distancia ~ velocidade, data = dados_personalizados)
# Apresentação dos resultados do modelo
print("Resultados do modelo:")
print(summary(modelo_personalizado))

Resultado:

"Resultados do modelo:"
Call:
lm(formula = distancia ~ velocidade, data = dados_personalizados)
Residuals:
     1        2        3        4        5
    -2     -1        1        0        2
Coefficients:
(Intercept)     -10.00    15.81    -0.632    0.55897
velocidade         2.00        0.47            4.254    0.01205

No exemplo acima você pode observar um modelo linear (modelo_personalizado) que foi gerado para o conjunto de dados e que ilustra a relação entre velocidade e distância. O resultado do modelo inclui coeficientes e informações estatísticas.

Definir novos valores de velocidade e fazer previsões

# Criação de um data frame com novos valores de velocidade
novos_valores_velocidade <- data.frame(velocidade = c(40, 45, 50, 55, 60))
# Previsão dos valores de distância futuros usando o modelo linear
distancia_prevista <- predict(modelo_personalizado, newdata = novos_valores_velocidade)

Criamos outro conjunto de dados (novos_valores_velocidade) com novos valores de velocidade. Usamos a função R predict() para fazer previsões dos valores de distância correspondentes usando o modelo linear criado anteriormente.

Exibir previsões

# Exibição dos valores previstos
print("Valores de distância previstos:")
print(distancia_prevista)

O resultado exibe os valores de distância previstos com base nos valores de velocidade:

"Valores de distância previstos:"
               1                2                  3                 4                   5
 80.0000     90.0000    100.0000  110.0000     120.0000