Ocena różnych parametrów modelu
Imputujemy dane w określonym celu – chcemy je analizować!
W tym przykładzie interesuje nas przewidywanie temperatury morza, dlatego zbudujemy model liniowy do tego zadania.
Dopasujemy ten model do każdego ze stworzonych wcześniej zbiorów danych, a następnie przyjrzymy się współczynnikom w danych.
Obiekty z poprzedniej lekcji (ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all i bound_models) są już wczytane do środowiska pracy.
To ćwiczenie jest częścią kursu
Praca z brakującymi danymi w R
Instrukcje do ćwiczenia
- Utwórz podsumowanie modelu dla każdego zbioru danych z kolumnami dla reszt, korzystając z funkcji
residuals,predictitidy. - Zbadaj współczynniki modelu i umieść model z najwyższą wartością estymatora dla
air_temp_cw obiekciebest_model.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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 <- "___"