Porządkowanie współczynników modeli

W tym ćwiczeniu wykorzystasz przepływ pracy z kolumnami list oraz funkcję tidy() z pakietu broom, aby wyodrębnić i zbadać współczynniki 77 zbudowanych modeli.

Pamiętaj, że ramka danych gap_models zawiera modele przewidujące oczekiwaną długość życia w zależności od roku dla 77 krajów.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w tidyverse

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji tidy(), aby dodać kolumnę (coef) zawierającą statystyki współczynników dla każdego modelu do ramki danych gap_models i zapisz wynik jako model_coef_nested.
Uprość tę ramkę danych, używając funkcji unnest(), aby wyodrębnić współczynniki.
Zbadaj oszacowania współczynników dla cechy year we wszystkich 77 modelach, rysując histogram ich wartości.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Extract the coefficient statistics of each model into nested data frames
model_coef_nested <- gap_models %>% 
    mutate(coef = map(model, ~___(.x)))
    
# Simplify the coef data frames for each model    
model_coef <- model_coef_nested %>%
    unnest(___)

# Plot a histogram of the coefficient estimates for year         
model_coef %>% 
  filter(term == "___") %>% 
  ggplot(aes(x = ___)) +
  geom_histogram()

Edytuj i uruchom kod