CommencerCommencez gratuitement

Évaluer les différents paramètres du modèle

Nous imputons nos données pour une raison : nous voulons les analyser !

Dans cet exemple, nous souhaitons prédire la température de la mer, donc nous allons construire un modèle linéaire qui prédit la température de la mer.

Nous allons ajuster ce modèle à chacun des jeux de données que nous avons créés, puis examiner les coefficients obtenus.

Les objets de la leçon précédente (ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all et bound_models) sont chargés dans l’espace de travail.

Cet exercice fait partie du cours

<cours>Gérer les données manquantes en R</cours>
Voir le cours

Instructions de l’exercice

  • Créez le récapitulatif du modèle pour chaque jeu de données avec des colonnes pour les résidus en utilisant residuals, predict et tidy.
  • Examinez les coefficients du modèle et placez dans l’objet best_model le modèle ayant la plus grande valeur estimée pour air_temp_c.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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 <- "___"
Modifier et exécuter le code