Mapper plusieurs modèles

Le tableau de données gap_nested disponible dans votre espace de travail contient l'ensemble de données gapminder imbriqué par pays.

Vous allez utiliser ces données pour construire un modèle linéaire pour chaque pays afin de prédire la life expectancy à partir de la caractéristique year.

Remarque : Le terme feature est synonyme de variable ou prédicteur. Il désigne un attribut de vos données qui peut servir à construire un modèle de Machine Learning.

Cette activité fait partie du cours

Machine Learning dans le tidyverse

Voir le cours

Instructions de l’exercice

Construisez un modèle linéaire pour chaque pays qui prédit life_expectancy à l'aide de la caractéristique year. Utilisez la fonction lm() pour ce faire et enregistrez ce nouveau tableau de données contenant les modèles sous le nom gap_models.
Extrayez le premier modèle de ce tableau de données et enregistrez-le sous le nom algeria_model.
Affichez l'information sur le modèle avec summary().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(___)

Modifier et exécuter le code