Viele Modelle mappen

Das Dataframe gap_nested in deinem Workspace enthält den gapminder-Datensatz, nach Ländern verschachtelt.

Du wirst diese Daten verwenden, um für jedes Land ein lineares Modell zu erstellen, das die Lebenserwartung mit Hilfe des Merkmals year vorhersagt.

Hinweis: Der Begriff Feature ist gleichbedeutend mit den Begriffen Variable oder Prädiktor. Er bezeichnet ein Attribut deiner Daten, das zum Erstellen eines Machine-Learning-Modells verwendet werden kann.

Diese Übung ist Teil des Kurses

<Kurs>Machine Learning im Tidyverse</Kurs>

Kurs ansehen

Übungsanweisungen

Erstelle für jedes Land ein lineares Modell, das life_expectancy mit dem Merkmal year vorhersagt. Verwende dafür die Funktion lm() und speichere dieses neue Dataframe mit den Modellen als gap_models.
Extrahiere das erste Modell aus diesem Dataframe und speichere es als algeria_model.
Lass dir die Informationen zum Modell mit summary() anzeigen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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(___)

Code bearbeiten und ausführen