Mapování mnoha modelů

Datový rámec gap_nested dostupný v tvém pracovním prostředí obsahuje datovou sadu gapminder vnořenou podle jednotlivých zemí.

Tato data použiješ k sestavení lineárního modelu pro každou zemi, který bude předpovídat délku života na základě příznaku rok.

Poznámka: Termín příznak je synonymem pro proměnnou nebo prediktor. Označuje atribut tvých dat, který lze využít k sestavení modelu strojového učení.

Toto cvičení je součástí kurzu

Machine Learning in the Tidyverse

Zobrazit kurz

Pokyny k cvičení

Sestav lineární model pro každou zemi predikující life_expectancy pomocí příznaku year. Použij k tomu funkci lm() a výsledný datový rámec obsahující modely ulož jako gap_models.
Extrahuj první model z tohoto datového rámce a ulož ho jako algeria_model.
Zobraz informace o modelu pomocí summary().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Build a linear model for each country
gap_models <- gap_nested %>%
    mutate(model = map(___, ~lm(formula = life_expectancy~year, data = ___)))
    
# Extract the model for Algeria    
algeria_model <- gap_models$model[[___]]

# View the summary for the Algeria model
summary(___)

Upravit a spustit kód