बेहतर मॉडल बनाएँ
पहले आपने year फीचर का उपयोग करके life expectancy फिट करने के लिए सरल मॉडलों का एक कलेक्शन बनाया था. आपके पिछले विश्लेषण से पता चला कि इनमें से कुछ मॉडल अच्छी तरह फिट नहीं हुए थे.
इस अभ्यास में आप प्रत्येक देश के लिए उपलब्ध सभी फीचर्स का उपयोग करते हुए multiple regression मॉडल बनाएँगे. आप चार सबसे खराब फिट होने वाले मॉडलों के प्रदर्शन की तुलना करना चाहेंगे, इसलिए उनके adjusted \(R^2\) नीचे दिए गए हैं:
| Country | Adjusted \(R^2\) |
|---|---|
| Botswana | -0.0060772 |
| Lesotho | -0.0169851 |
| Zambia | 0.1668999 |
| Zimbabwe | 0.2083979 |
यह अभ्यास पाठ्यक्रम का हिस्सा है
Tidyverse में मशीन लर्निंग
अभ्यास निर्देश
- डेटासेट में मौजूद हर फीचर का उपयोग करके प्रत्येक देश के लिए
life_expectancyकी भविष्यवाणी करने वाला एक लीनियर मॉडल बनाएँ. - प्रत्येक मॉडल के लिए fit आँकड़े रखने वाला एक कॉलम (
fit) जोड़ें और इस डेटा फ्रेम को सरल करें. worst_fitडेटा फ्रेम के चार देशों के adjusted \(R^2\) कोfullmodel_perfमें प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build a linear model for each country using all features
gap_fullmodel <- gap_nested %>%
mutate(model = map(data, ~lm(formula = ___, data = .x)))
fullmodel_perf <- gap_fullmodel %>%
# Extract the fit statistics of each model into data frames
mutate(fit = map(model, ~___(.x))) %>%
# Simplify the fit data frames for each model
unnest(___)
# View the performance for the four countries with the worst fitting four simple models you looked at before
fullmodel_perf %>%
___(country %in% worst_fit$country) %>%
select(country, adj.r.squared)