Die Modellparameter vergleichen und bewerten
Wir imputieren unsere Daten aus einem guten Grund – wir wollen die Daten analysieren!
In diesem Beispiel möchten wir die Meerestemperatur vorhersagen, also bauen wir ein lineares Modell zur Vorhersage der Meerestemperatur.
Wir passen dieses Modell auf jeden der von uns erstellten Datensätze an und untersuchen anschließend die Koeffizienten.
Die Objekte aus der vorherigen Lektion (ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all und bound_models) sind in den Workspace geladen.
Diese Übung ist Teil des Kurses
Umgang mit fehlenden Daten in R
Anleitung zur Übung
- Erstelle die Modellsummen für jeden Datensatz mit Spalten für Residuen mithilfe von
residuals,predictundtidy. - Untersuche die Koeffizienten im Modell und speichere das Modell mit der höchsten Schätzung für
air_temp_cim Objekt best_model
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create the model summary for each dataset
model_summary <- bound_models %>%
group_by(imp_model) %>%
nest() %>%
mutate(mod = map(data, ~lm(sea_temp_c ~ air_temp_c + humidity + year, data = .)),
res = map(mod, ___),
pred = map(mod, ___),
tidy = map(mod, ___))
# Explore the coefficients in the model
model_summary %>%
select(___,___) %>%
unnest()
best_model <- "___"