Mapeando muitos modelos

O data frame gap_nested disponível no seu workspace contém o conjunto de dados gapminder aninhado por país.

Você vai usar esses dados para construir um modelo linear para cada país e prever a expectativa de vida usando a year como feature.

Observação: O termo feature é sinônimo de variável ou preditor. Ele se refere a um atributo dos seus dados que pode ser usado para construir um modelo de Machine Learning.

Este exercicio faz parte do curso

Machine Learning no tidyverse

Ver curso

Instruções do exercicio

Construa um modelo linear para cada país prevendo life_expectancy usando a feature year. Use a função lm() para isso e salve esse novo data frame contendo os modelos como gap_models.
Extraia o primeiro modelo desse data frame e salve como algeria_model.
Veja as informações sobre o modelo usando summary().

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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(___)

Editar e Executar Código