잔차 해석하기

house_prices의 2만 1천여 개 모든 행에 대해 이 과정을 자동화해 잔차를 구해 보세요. 그런 다음 이를 사용해 모델의 적합 부족을 나타내는 지표인 제곱 잔차의 합을 계산합니다. 제곱 잔차의 합을 구한 뒤, 다음 질문에 답해 보세요.

잔차에 대한 다음 설명 중 틀린 것은 무엇인가요?

이 연습은 강의의 일부입니다

Tidyverse로 하는 데이터 모델링

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Automate prediction and residual computation
___

코드 편집 및 실행

이 연습은 강의의 일부입니다

Tidyverse로 하는 데이터 모델링

SkillTag.level.intermediateSkillTag.label

4.9+

232 reviews

무료로 강의 시작하기

이 장에서는 모델링의 배경 이론과 용어, 특히 일반적인 모델링 프레임워크, 설명을 위한 모델링과 예측을 위한 모델링의 차이, 그리고 모델링 문제에 대해 소개합니다. 더불어 어떤 공식적인 모델링을 시작하기 전에 반드시 거쳐야 할 첫 단계인 탐색적 데이터 분석도 처음으로 수행해 봅니다.

Exercise 1: 설명을 위한 모델링 배경 Exercise 2: 나이의 탐색적 시각화 Exercise 3: 나이의 수치 요약 Exercise 4: 예측을 위한 모델링 배경 Exercise 5: 주거 면적의 탐색적 시각화 Exercise 6: 주택 면적의 Log10 변환 Exercise 7: 설명을 위한 모델링 문제 Exercise 8: 강의 평가와 "beauty" 점수의 EDA Exercise 9: 강의 점수와 "beauty" 점수의 상관관계 Exercise 10: 예측을 위한 모델링 문제 Exercise 11: 주택 가격과 수변 위치의 관계 EDA Exercise 12: 워터프런트로 주택 가격 예측하기

일반적인 모델링 프레임워크를 이해한 상태에서, 이번 장에서는 기본 선형 회귀를 다룹니다. 결과 변수 y를 단일 설명/예측 변수 x의 함수로 단순하게 모델링해 볼 거예요. 수치형 x와 범주형 x를 모두 사용합니다. 이번 장에서 다룰 관심 결과 변수는 University of Texas, Austin의 강의자 강의 평가 점수입니다.

Exercise 1: 나이로 강의 평가 점수 설명하기 Exercise 2: "최적 적합" 회귀선 그리기 Exercise 3: 수치형 x로 회귀 적합하기 Exercise 4: 나이로 강의 평가 점수 예측하기 Exercise 5: "beauty score"로 예측하기 Exercise 6: 적합값/예측값과 잔차 계산하기 Exercise 7: 성별로 강의 평가 점수 설명하기 Exercise 8: score와 rank의 관계 EDA Exercise 9: 범주형 x로 회귀 적합하기 Exercise 10: 성별로 강의 평가 점수 예측하기 Exercise 11: rank를 사용한 예측 만들기 Exercise 12: 잔차 분포 시각화하기

이전 장에서는 단일 수치형 또는 범주형 예측 변수를 사용하는 기본 회귀를 배웠습니다. 하지만 설명/예측에 단 하나의 변수만 사용할 필요는 없겠죠? 이제 기본 회귀를 다중 회귀로 확장하여, 하나 이상의 설명 또는 예측 변수를 모델에 포함할 수 있게 합니다. Seattle, WA 대도시권의 주택 데이터셋을 사용해 집값을 모델링해 보겠습니다.

Exercise 1: 연도와 크기로 주택 가격 설명하기 Exercise 2: 관계에 대한 EDA Exercise 3: 회귀 적합하기 Exercise 4: 연도와 면적을 사용해 주택 가격 예측하기 Exercise 5: 면적과 침실 수로 예측하기 Exercise 6: 잔차 해석하기

현재 연습

Exercise 7: 면적과 상태로 주택 가격 설명하기 Exercise 8: 평행 기울기 모델 Exercise 9: 평행 기울기 모형 해석하기 Exercise 10: 면적과 상태를 사용해 주택 가격 예측하기 Exercise 11: 면적과 워터프런트를 사용한 예측 만들기 Exercise 12: "새로운" 주택에 대한 예측 자동화

앞선 장들에서 여러분은 관심 있는 결과 변수를 설명하거나 예측하기 위해 다양한 모델을 적합했습니다. 그렇다면 어떤 모델을 선택해야 할까요? 모델 평가 지표를 통해 설명 모델이 데이터에 얼마나 잘 “적합”하는지, 또는 예측 모델이 얼마나 정확한지 판단할 수 있습니다. 이러한 지표를 바탕으로 어떤 모델이 “가장 좋다”라고 할 수 있는지 결정하는 기준을 배우게 됩니다.

Exercise 1: 모형 선택과 평가 Exercise 2: 리마인드: 잔차 제곱합 Exercise 3: 어떤 모델을 선택할까요?Exercise 4: R-squared로 모형 적합도 평가하기 Exercise 5: 모형의 R-제곱 계산하기 Exercise 6: 두 모형의 R-제곱 비교 Exercise 7: RMSE로 예측 성능 평가하기 Exercise 8: 모델의 MSE와 RMSE 계산하기 Exercise 9: 두 모델의 RMSE 비교 Exercise 10: 검증 세트 예측 프레임워크 Exercise 11: 훈련 데이터에 모델 적합하기 Exercise 12: 테스트 데이터로 예측하기 Exercise 13: 마무리 - 다음 단계는 무엇일까요?