Construa modelos melhores

Antes, você criou uma coleção de modelos simples para ajustar a expectativa de vida usando a variável year. Sua análise anterior mostrou que alguns desses modelos não tiveram um bom ajuste.

Neste exercício, você vai construir modelos de regressão múltipla para cada país usando todos os recursos disponíveis. Talvez você queira comparar o desempenho dos quatro piores modelos; por isso, seus \(R^2\) ajustados estão abaixo:

Country	Adjusted \(R^2\)
Botswana	-0.0060772
Lesotho	-0.0169851
Zambia	0.1668999
Zimbabwe	0.2083979

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 todas as variáveis do conjunto de dados.
Anexe uma coluna (fit) contendo as estatísticas de ajuste de cada modelo e simplifique esse data frame.
Imprima o \(R^2\) ajustado em fullmodel_perf dos quatro países do data frame worst_fit.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Build a linear model for each country using all features
gap_fullmodel <- gap_nested %>% 
  mutate(model = map(data, ~lm(formula = ___, data = .x)))

fullmodel_perf <- gap_fullmodel %>% 
  # Extract the fit statistics of each model into data frames
  mutate(fit = map(model, ~___(.x))) %>% 
  # Simplify the fit data frames for each model
  unnest(___)
  
# View the performance for the four countries with the worst fitting four simple models you looked at before
fullmodel_perf %>% 
  ___(country %in% worst_fit$country) %>% 
  select(country, adj.r.squared)

Editar e Executar Código