より良いモデルを作る
前のセクションでは、year 特徴量だけを使って life expectancy を当てはめる単純なモデル群を作成しました。前回の分析から、これらの一部は当てはまりが良くないことが分かりました。
この演習では、利用可能なすべての特徴量を使って、各国ごとに重回帰モデルを構築します。とくに当てはまりが悪かった4つのモデルの性能を比較したい場合のために、調整済み \(R^2\) を以下に示します。
| Country | Adjusted \(R^2\) |
|---|---|
| Botswana | -0.0060772 |
| Lesotho | -0.0169851 |
| Zambia | 0.1668999 |
| Zimbabwe | 0.2083979 |
この演習はコースの一部です
Tidyverse で学ぶ Machine Learning
演習の手順
- データセット内のすべての特徴量を使って、各国の
life_expectancyを予測する線形モデルを作成します。 - 各モデルの当てはまり統計量を含む列（
fit）を追加し、このデータフレームを簡潔化します。 worst_fitデータフレームにある4か国について、fullmodel_perfの調整済み \(R^2\) を出力してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)