Juego de modelos de regresión con R

Os propongo un juego con R. El juego parte de unos datos aleatorios que he generado con R (los que veis arriba) que dividimos in entrenamiento y test. Sobre el conjunto de datos de entrenamiento he realizado varios modelos y valoro las predicciones gráficamente sobre los datos de test. El juego consiste in asociar cada resultado gráfico de test a cada código de R correspondiente y justificar brevemente la respuesta.

Los gráficos de los datos de test son:

Figura A:

Figura B:

Figura C:

Figura D:

Figura E:

Figura F:

Figura G:

Los códigos R que tenéis que asociar a cada figura son:

Código 1: Red neuronal con una solo capa y 2 nodos:

library(nnet)

mejor.red <- function(nodos) {
  mejor.rss <- 1e10
  for (i in 1:50) {
    modelo.rn <- nnet(dep ~ indep, data = entrenamiento, size = nodos, 
                      linout = TRUE, trace = FALSE, decay = 0.1)
    if (modelo.rn$value < mejor.rss) {
      mejor.modelo <- modelo.rn
      mejor.rss <- modelo.rn$value
    }
  }
  return(mejor.modelo)
}

modelo_1 <- mejor.red(2)

Código 2: Regresión lineal:

lm(dep ~ indep, data = entrenamiento)

Código 3: Máquina de vector de soporte (SVM) con un margen muy alto:

library(e1071)
svm(dep ~ indep, data = entrenamiento, method = "C-classification",
    kernel = "radial", cost = 100, gamma = 100)

Código 4: Árbol de regresión:

library(rpart)
rpart(dep ~ indep, data = entrenamiento)

Código 5: Regresión LOESS:

loess(dep ~ indep, data = entrenamiento)

Código 6: Máquina de vector de soporte (SVM) con un margen bajo:

library(e1071)
svm(dep ~ indep, data = entrenamiento, method = "C-classification",
    kernel = "radial", cost = 10, gamma = 10)

Código 7: $k$ vecinos más cercanos (k-NN):

library(kknn)
train.kknn(dep ~ indep, data = entrenamiento,
           k = 4, kernel = "rectangular")

Por ejemplo, la figura A irá con el código 2 porque se trata de una estimación lineal. Y ahora os toca a vosotros asociar figuras a modelos de R. Saludos.