Mappare molti modelli
Il data frame gap_nested disponibile nel tuo workspace contiene l'insieme di dati gapminder annidato per paese.
Userai questi dati per costruire un modello lineare per ogni paese per prevedere la life expectancy usando la caratteristica year.
Nota: Il termine feature è sinonimo dei termini variabile o predittore. Si riferisce a un attributo dei tuoi dati che può essere usato per costruire un modello di Machine Learning.
Questo esercizio fa parte del corso
Machine Learning nel tidyverse
Istruzioni dell'esercizio
- Crea un modello lineare per ogni paese che predica
life_expectancyusando la featureyear. Usa la funzionelm()per farlo e salva questo nuovo data frame contenente i modelli comegap_models. - Estrai il primo modello da questo data frame e salvalo come
algeria_model. - Visualizza le informazioni sul modello usando
summary().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Build a linear model for each country
gap_models <- gap_nested %>%
mutate(model = map(___, ~lm(formula = life_expectancy~year, data = ___)))
# Extract the model for Algeria
algeria_model <- gap_models$model[[___]]
# View the summary for the Algeria model
summary(___)