Membuat Model Regresi Linear dengan Spiral Dynamic Optimization Algorithm

Sepertinya tidak ada habisnya saya mengupas regresi linear. Mulai dari cara membuat modelnya dengan fungsi base di R hingga cara membuat modelnya dengan pendekatan aljabar.

Kali ini saya akan membuat model regresi dengan cara lain, yakni dengan memanfaatkan prinsip optimization. Saya akan membuat model regresi linear yang meminimumkan nilai MAE (mean absolute error).

Misalkan saya memiliki data sebagai berikut:

##                      mpg  disp  hp
## Mazda RX4           21.0 160.0 110
## Mazda RX4 Wag       21.0 160.0 110
## Datsun 710          22.8 108.0  93
## Hornet 4 Drive      21.4 258.0 110
## Hornet Sportabout   18.7 360.0 175
## Valiant             18.1 225.0 105
## Duster 360          14.3 360.0 245
## Merc 240D           24.4 146.7  62
## Merc 230            22.8 140.8  95
## Merc 280            19.2 167.6 123
## Merc 280C           17.8 167.6 123
## Merc 450SE          16.4 275.8 180
## Merc 450SL          17.3 275.8 180
## Merc 450SLC         15.2 275.8 180
## Cadillac Fleetwood  10.4 472.0 205
## Lincoln Continental 10.4 460.0 215
## Chrysler Imperial   14.7 440.0 230
## Fiat 128            32.4  78.7  66
## Honda Civic         30.4  75.7  52
## Toyota Corolla      33.9  71.1  65
## Toyota Corona       21.5 120.1  97
## Dodge Challenger    15.5 318.0 150
## AMC Javelin         15.2 304.0 150
## Camaro Z28          13.3 350.0 245
## Pontiac Firebird    19.2 400.0 175
## Fiat X1-9           27.3  79.0  66
## Porsche 914-2       26.0 120.3  91
## Lotus Europa        30.4  95.1 113
## Ford Pantera L      15.8 351.0 264
## Ferrari Dino        19.7 145.0 175
## Maserati Bora       15.0 301.0 335
## Volvo 142E          21.4 121.0 109

Jika saya hendak membuat persamaan regresi linear dari data di atas seperti ini:

Menggunakan base di R, saya cukup menuliskan skrip sebagai berikut:

model_reg = lm(mpg ~.,data = df)
model_reg

## 
## Call:
## lm(formula = mpg ~ ., data = df)
## 
## Coefficients:
## (Intercept)         disp           hp  
##    30.73590     -0.03035     -0.02484

Kita dapatkan model persamaannya. Lalu jika saya hitung nilai MAE-nya, saya dapatkan nilainya sebesar:

MAE_hit(c(-0.03035,-0.02484,30.73590))

## [1] 2.501264

Apakah kita bisa mendapatkan persamaan yang menghasilkan MAE lebih kecil? Jawabannya bisa dengan SDOA. Saya memvideokan prosesnya di channel Youtube saya berikut ini.

Hasilnya adalah saya mendapatkan persamaan yang memiliki MAE lebih kecil.

MAE_hit(center)

## [1] 2.382554

---

Ternyata SDOA bisa diandalkan untuk membuat model regresi. Jika Anda hendak mengganti MAE dengan metric lain, silakan saja.

---

if you find this article helpful, support this blog by clicking the ads.