Aan de slagBegin gratis

De verschillende parameters in het model evalueren

We imputeren onze gegevens met een reden: we willen de data analyseren!

In dit voorbeeld zijn we geïnteresseerd in het voorspellen van de zeetemperatuur, dus bouwen we een lineair model dat de zeetemperatuur voorspelt.

We passen dit model toe op elk van de gegevenssets die we hebben gemaakt en verkennen daarna de coëfficiënten in de data.

De objecten uit de vorige les (ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all en bound_models) zijn in de werkruimte geladen.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

  • Maak de modelsamenvatting voor elke gegevensset met kolommen voor residuen met behulp van residuals, predict en tidy.
  • Verken de coëfficiënten in het model en zet het model met de hoogste schatting voor air_temp_c in het object best_model

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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 <- "___"
Code bewerken en uitvoeren