여러 모델 매핑하기

워크스페이스에서 사용할 수 있는 gap_nested 데이터 프레임에는 국가별로 중첩된 gapminder 데이터셋이 포함되어 있습니다.

이 데이터를 활용하여 각 국가별로 연도 피처를 사용해 기대 수명을 예측하는 선형 모델을 구축해 보겠습니다.

참고: 피처(feature)는 변수(variable) 또는 예측 변수(predictor)와 같은 의미로 사용됩니다. Machine Learning 모델을 구축하는 데 활용할 수 있는 데이터의 속성을 가리킵니다.

이 연습은 강의의 일부입니다

Tidyverse로 배우는 Machine Learning

강의 보기

연습 안내

각 국가별로 year 피처를 사용해 life_expectancy를 예측하는 선형 모델을 구축하세요. 이때 lm() 함수를 사용하고, 모델이 포함된 새 데이터 프레임을 gap_models로 저장하세요.
이 데이터 프레임에서 첫 번째 모델을 추출하여 algeria_model로 저장하세요.
summary()를 사용해 모델 정보를 확인하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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(___)

코드 편집 및 실행