कौन-सा मॉडल चुनें?

Squared residuals के इन दो मानों के आधार पर, आपको कौन-सा मॉडल "बेहतर" लगता है, और इसलिए आप किसे चुनेंगे?

model_price_2 जो log10_size और bedrooms का उपयोग करता है?
model_price_4 जो log10_size और waterfront का उपयोग करता है?

यह अभ्यास पाठ्यक्रम का हिस्सा है

Tidyverse में डेटा के साथ Modeling

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

Tidyverse में डेटा के साथ Modeling

SkillTag.level.intermediateSkillTag.label

4.9+

पाठ्यक्रम मुफ्त में शुरू करें

इस अध्याय में आप modeling की पृष्ठभूमि सिद्धांत और शब्दावली से परिचित होंगे, विशेष रूप से general modeling framework, explanation के लिए modeling और prediction के लिए modeling में अंतर, और modeling समस्या। इसके अलावा, आप अपना पहला exploratory data analysis करना शुरू करेंगे — जो किसी भी औपचारिक modeling से पहले का एक अहम कदम है।

Exercise 1: व्याख्या हेतु मॉडलिंग का पृष्ठभूमि परिचय Exercise 2: उम्र का एक्सप्लोरेटरी विज़ुअलाइज़ेशन Exercise 3: उम्र के संख्यात्मक सारांश Exercise 4: प्रेडिक्शन के लिए मॉडलिंग की पृष्ठभूमि Exercise 5: घर के आकार का खोजपूर्ण विज़ुअलाइज़ेशन Exercise 6: घर के आकार का Log10 ट्रांसफॉर्मेशन Exercise 7: व्याख्या के लिए मॉडलिंग की समस्या Exercise 8: टीचिंग और "beauty" स्कोर के संबंध की EDA Exercise 9: शिक्षण और "beauty" स्कोर के बीच सहसंबंध Exercise 10: prediction के लिए modeling समस्या Exercise 11: हाउस प्राइस और वॉटरफ्रंट के संबंध की EDA Exercise 12: वॉटरफ़्रंट के साथ घर की कीमत का अनुमान

General modeling framework की समझ के साथ, इस अध्याय में हम basic linear regression कवर करेंगे जहाँ आप चीज़ों को सरल रखेंगे और outcome वैरिएबल y को एक ही explanatory/predictor वैरिएबल x के फ़ंक्शन के रूप में मॉडल करेंगे। हम x के दोनों प्रकार — numerical और categorical — का उपयोग करेंगे। इस अध्याय में रुचि का outcome वैरिएबल University of Texas, Austin के instructors के teaching evaluation स्कोर होंगे।

Exercise 1: उम्र से टीचिंग स्कोर समझाना Exercise 2: "सबसे उपयुक्त" regression लाइन प्लॉट करना Exercise 3: संख्यात्मक x के साथ रिग्रेशन फिट करना Exercise 4: उम्र के आधार पर teaching score का अनुमान लगाना Exercise 5: "beauty score" का उपयोग करके भविष्यवाणी करना Exercise 6: फिटेड/प्रेडिक्टेड वैल्यू और रेज़िडुअल्स की गणना Exercise 7: जेंडर से टीचिंग स्कोर समझाना Exercise 8: स्कोर और रैंक के संबंध का EDA Exercise 9: Categorical x के साथ regression फिट करना Exercise 10: Gender के आधार पर teaching score की भविष्यवाणी Exercise 11: rank का उपयोग करके पूर्वानुमान लगाना Exercise 12: रेज़िडुअल्स के वितरण का विज़ुअलाइज़ेशन

पिछले अध्याय में, आपने basic regression के बारे में सीखा था जिसमें या तो एक single numerical या एक categorical predictor होता है। लेकिन अपनी explanations/predictions के लिए केवल एक वैरिएबल तक सीमित क्यों रहें? अब आप basic regression को multiple regression तक बढ़ाएँगे, जो आपके मॉडल में एक से अधिक explanatory या predictor वैरिएबल्स को शामिल करने की अनुमति देता है। आप Seattle, WA महानगरीय क्षेत्र के घरों के एक डेटासेट का उपयोग करके house prices को मॉडल करेंगे।

Exercise 1: साल और साइज से घर की कीमत समझाना Exercise 2: संबंध का EDA Exercise 3: Regression फिट करना Exercise 4: निर्माण वर्ष और आकार से घर की कीमत का अनुमान Exercise 5: size और bedrooms से प्रेडिक्शन बनाना Exercise 6: रिजिडुअल्स की व्याख्या Exercise 7: आकार और स्थिति से घर की कीमत समझाना Exercise 8: पैरेलल स्लोप्स मॉडल Exercise 9: पैरलल स्लोप्स मॉडल की व्याख्या Exercise 10: आकार और स्थिति का उपयोग कर घर की कीमत का अनुमान Exercise 11: size और waterfront का उपयोग करके भविष्यवाणी करना Exercise 12: "नई" घरों पर प्रेडिक्शंस को ऑटोमेट करना

पिछले अध्यायों में, आपने किसी रुचि वाले outcome वैरिएबल को समझाने या predict करने के लिए विभिन्न मॉडल फिट किए। लेकिन हमें कैसे पता चले कि किन मॉडलों को चुनना चाहिए? Model assessment मेट्रिक्स आपको यह आँकने देती हैं कि कोई explanatory मॉडल डेटा के सेट पर कितना अच्छा "fit" होता है या कोई predictive मॉडल कितना सटीक है। इन मापों के आधार पर, आप यह सीखेंगे कि किन मानदंडों से यह तय करें कि कौन से मॉडल "best" हैं।

Exercise 1: मॉडल चयन और आकलन Exercise 2: रीफ़्रेशर: स्क्वेयर्ड रेजिडुअल्स का सम Exercise 3: कौन-सा मॉडल चुनें?

वर्तमान अभ्यास

Exercise 4: R-squared से मॉडल फिट का आकलन Exercise 5: किसी मॉडल का R-squared निकालना Exercise 6: दो मॉडलों के R-squared की तुलना Exercise 7: RMSE से प्रेडिक्शन का आकलन Exercise 8: किसी मॉडल का MSE और RMSE निकालना Exercise 9: दो मॉडलों के RMSE की तुलना Exercise 10: वैलिडेशन सेट प्रेडिक्शन फ्रेमवर्क Exercise 11: ट्रेनिंग डेटा पर मॉडल फिट करना Exercise 12: टेस्ट डेटा पर भविष्यवाणी Exercise 13: निष्कर्ष - अब आगे कहाँ जाएँ?