Dans ce cours, vous allez travailler avec un ensemble d’indicateurs économiques et sociaux pour 77 pays sur une période de 52 ans. Ces données sont disponibles dans le data frame gapminder.

Dans cet exercice, vous allez transformer vos données gapminder en un data frame imbriqué en utilisant le premier outil nécessaire pour poser les bases de compétences en Machine Learning « tidy » : nest().

Remarque : il s’agit d’une version plus détaillée que le jeu de données disponible dans le package gapminder. Cette version est fournie par le package dslabs.

Rangez vos modèles avec broom

Create Your Free Account