Meerdere modellen mappen

Het gap_nested-dataframe in je werkruimte bevat de gapminder-gegevensset, genest per land.

Je gaat deze data gebruiken om voor elk land een lineair model te bouwen dat life expectancy voorspelt op basis van de eigenschap year.

Let op: De term feature is synoniem aan variabele of predictor. Het verwijst naar een kenmerk van je data dat je kunt gebruiken om een Machine Learning-model te bouwen.

Deze oefening maakt deel uit van de cursus

Machine Learning in de tidyverse

Cursus bekijken

Oefeninstructies

Bouw voor elk land een lineair model dat life_expectancy voorspelt met de feature year. Gebruik hiervoor de functie lm() en sla het nieuwe dataframe met modellen op als gap_models.
Haal het eerste model uit dit dataframe en sla dit op als algeria_model.
Bekijk de informatie over het model met summary().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(___)

Code bewerken en uitvoeren