Nettoyer les coefficients de vos modèles
Dans cet exercice, vous allez exploiter le workflow avec colonnes de listes ainsi que la fonction tidy() de broom pour extraire et explorer les coefficients des 77 modèles que vous avez construits.
Rappelez-vous que le data frame gap_models contient un modèle qui prédit l’espérance de vie en fonction de l’année pour 77 pays.
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
- Utilisez
tidy()pour ajouter une colonne (coef) contenant les statistiques de coefficients de chaque modèle au data framegap_modelset enregistrez le résultat sousmodel_coef_nested. - Simplifiez ce data frame à l’aide de
unnest()pour extraire ces coefficients dans votre data frame. - Explorez les estimations du coefficient pour la variable year dans 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()