मॉडल में अलग-अलग पैरामीटर का मूल्यांकन
हम किसी उद्देश्य से अपने डेटा का इम्प्यूटेशन कर रहे हैं — ताकि हम डेटा का विश्लेषण कर सकें!
इस उदाहरण में, हम sea temperature का अनुमान लगाना चाहते हैं, इसलिए हम sea temperature की भविष्यवाणी करने वाला एक linear model बनाएँगे.
हम इस मॉडल को अपने बनाए गए प्रत्येक डेटासेट पर फिट करेंगे और फिर डेटा में coefficients को एक्सप्लोर करेंगे.
पिछले लेसन के ऑब्जेक्ट्स (ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all, और bound_models) वर्कस्पेस में लोड किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Missing Data से निपटना
अभ्यास निर्देश
- प्रत्येक डेटासेट के लिए मॉडल का सारांश बनाएँ और residuals,
predict, औरtidyके कॉलम जोड़ें,residualsका उपयोग करते हुए. - मॉडल के coefficients को एक्सप्लोर करें और
air_temp_cके लिए सबसे ऊँचे estimate वाला मॉडलbest_modelऑब्जेक्ट में रखें
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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 <- "___"