Uso di broom

Molti compiti di programmazione sono più semplici se tieni tutti i dati dentro data frame. Questo è particolarmente vero se usi il tidyverse, dove dplyr e ggplot2 richiedono di lavorare con data frame. Il pacchetto broom contiene funzioni che scompongono i modelli in tre data frame: uno per gli elementi a livello di coefficiente (i coefficienti stessi, oltre ai p-value per ciascun coefficiente), uno per gli elementi a livello di osservazione (come i valori adattati e i residui) e uno per gli elementi a livello di modello (per lo più metriche di performance).

Le funzioni in broom sono generiche. Cioè, funzionano con molti tipi di modelli, non solo con oggetti modello di regressione lineare. Funzionano anche con oggetti modello di regressione logistica (come vedrai nel Capitolo 4) e molti altri tipi di modelli.

mdl_price_vs_conv è disponibile e broom è caricato.