Lineární regrese s neúplnými daty

Chybějící data jsou běžný problém a správná práce s nimi je nesmírně důležitá. Pokud chybějící hodnoty ignoruješ nebo je vyplníš nesprávně, modely se mohou chovat nepředvídatelně a výsledné predikce i závěry mohou být zkreslené.

V této kapitole budeš pracovat s datasetem biopics, který obsahuje informace o řadě životopisných filmů – včetně jejich tržeb, charakteristik hlavních postav a dalších proměnných. Některé hodnoty v datech však chybí. Původní data pocházejí z R balíčku fivethirtyeight, ale v tomto kurzu budeš pracovat s mírně upravenou verzí.

V tomto cvičení se seznámíš s datasetem a sestavíš lineární regresní model pro předpověď tržeb filmů. Jdeme na to!