모델의 다양한 매개변수 평가하기
우리는 이유가 있어서 결측값을 대치(impute)합니다 — 데이터를 분석하기 위해서죠!
이 예제에서는 바닷물 온도를 예측하는 데 관심이 있으므로, 바닷물 온도를 예측하는 선형 모델을 만들어 보겠습니다.
이 모델을 우리가 만든 각 데이터셋에 적합한 뒤, 데이터의 계수를 살펴보겠습니다.
이전 레슨의 객체들(ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all, bound_models)이 워크스페이스에 로드되어 있습니다.
이 연습은 강의의 일부입니다
R에서 결측치 다루기
연습 안내
- 각 데이터셋에 대해
residuals,predict,tidy를 사용해 잔차, 예측값, 정리된 계수 열을 포함한 모델 요약을 만드세요. - 모델의 계수를 살펴보고,
air_temp_c의 추정치가 가장 높은 모델을 best_model 객체에 저장하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create the model summary for each dataset
model_summary <- bound_models %>%
group_by(imp_model) %>%
nest() %>%
mutate(mod = map(data, ~lm(sea_temp_c ~ air_temp_c + humidity + year, data = .)),
res = map(mod, ___),
pred = map(mod, ___),
tidy = map(mod, ___))
# Explore the coefficients in the model
model_summary %>%
select(___,___) %>%
unnest()
best_model <- "___"