Modelování interakce

V tomto cvičení použiješ interakce k modelování vlivu pohlaví a žaludeční aktivity na metabolismus alkoholu.

Dataový rámec alcohol je předem načtený a obsahuje tyto sloupce:

Metabol: rychlost metabolismu alkoholu
Gastric: rychlost aktivity žaludeční alkoholdehydrogenázy
Sex: pohlaví konzumenta (Male nebo Female)

Ve videu jsme na data alcohol natrénovali tři modely:

jeden pouze s aditivními členy (hlavní efekty): Metabol ~ Gastric + Sex
dva modely, každý s interakcemi mezi žaludeční aktivitou a pohlavím

Vidíš, že jeden z modelů s interakčními členy dosáhl lepšího R-squared než aditivní model – to naznačuje, že použití interakcí vede k lepšímu přizpůsobení dat. V tomto cvičení porovnáš R-squared jednoho z interakčních modelů s modelem obsahujícím pouze hlavní efekty.

Připomeň si, že operátor : označuje interakci dvou proměnných. Operátor * označuje interakci dvou proměnných včetně jejich hlavních efektů.

x*y = x + y + x:y

Toto cvičení je součástí kurzu

Supervised Learning in R: Regression

Zobrazit kurz

Pokyny k cvičení

Napiš vzorec, který vyjadřuje Metabol jako funkci Gastric a Sex bez interakcí.
- Přiřaď vzorec do proměnné fmla_add a vypiš ho.
Napiš vzorec, který vyjadřuje Metabol jako funkci interakce mezi Gastric a Sex.
- Přidej Gastric jako hlavní efekt, ale Sex ne.
- Přiřaď vzorec do proměnné fmla_interaction a vypiš ho.
Natrénuj lineární model pouze s hlavními efekty: model_add na datech.
Natrénuj lineární model s interakcí: model_interaction na datech.
Zavolej summary() na oba modely. Který z nich má lepší R-squared?

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# alcohol is available
summary(alcohol)

# Create the formula with main effects only
(fmla_add <- ___ )

# Create the formula with interactions
(fmla_interaction <- ___ )

# Fit the main effects only model
model_add <- ___

# Fit the interaction model
model_interaction <- ___

# Call summary on both models and compare
___
___

Upravit a spustit kód