Nettoyer les coefficients de vos modèles
Dans cet exercice, vous utiliserez le flux de travail avec colonne de liste ainsi que la fonction tidy() du paquet broom pour extraire et explorer les coefficients des 77 modèles que vous avez construits.
Rappelez-vous que le tableau de données gap_models contient un modèle qui prédit life expectancy en fonction de year pour 77 pays.
Cette activité fait partie du cours
Machine Learning dans le tidyverse
Instructions de l’exercice
- Utilisez
tidy()pour ajouter une colonne (coef) avec les statistiques de coefficients de chaque modèle au tableau de donnéesgap_models, puis enregistrez le résultat sousmodel_coef_nested. - Simplifiez ce tableau de données avec
unnest()afin d'extraire ces coefficients dans votre tableau. - Explorez les estimations du coefficient pour la caractéristique year à travers vos 77 modèles en traçant un histogramme de leurs valeurs.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Extract the coefficient statistics of each model into nested data frames
model_coef_nested <- gap_models %>%
mutate(coef = map(model, ~___(.x)))
# Simplify the coef data frames for each model
model_coef <- model_coef_nested %>%
unnest(___)
# Plot a histogram of the coefficient estimates for year
model_coef %>%
filter(term == "___") %>%
ggplot(aes(x = ___)) +
geom_histogram()