ÎncepețiÎncepe gratuit

Acasă
Cursuri
Modelare cu date în Tidyverse

Fundamente ale modelării pentru explicație

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Acest exercițiu face parte din cursul

Modelare cu date în Tidyverse

SkillTag.level.intermediateSkillTag.label

4.9+

Începe cursul gratuit

Acest capitol îți va prezenta teoria de bază și terminologia specifică modelării – în special cadrul general de modelare, diferența dintre modelare pentru explicație și modelare pentru predicție, precum și problema modelării. În plus, vei face primele tale analize exploratorii ale datelor, un pas esențial înainte de orice modelare formală.

Exercise 1: Fundamente ale modelării pentru explicație

Exercițiul curent

Exercise 2: Vizualizare exploratorie a vârstei Exercise 3: Rezumate numerice ale vârstei Exercise 4: Fundamente ale modelării predictive Exercise 5: Vizualizare exploratorie a suprafeței locuinței Exercise 6: Transformarea log10 a suprafeței locuinței Exercise 7: Problema modelării pentru explicație Exercise 8: EDA a relației dintre scorurile de predare și cele de „atractivitate"Exercise 9: Corelația dintre scorurile de predare și cele de „atractivitate"Exercise 10: Problema de modelare pentru predicție Exercise 11: EDA a relației dintre prețul casei și amplasarea pe malul apei Exercise 12: Predicția prețului unei case în funcție de vedere la apă

Acum că ai înțeles cadrul general de modelare, în acest capitol vom aborda regresia liniară simplă. Vei menține lucrurile simple și vei modela variabila de răspuns y în funcție de o singură variabilă explicativă sau predictoare x. Vom folosi atât variabile x numerice, cât și categoriale. Variabila de interes din acest capitol va fi scorurile de evaluare a predării pentru instructorii de la Universitatea din Texas, Austin.

Exercise 1: Explicarea scorului de predare prin vârstă Exercise 2: Trasarea dreptei de regresie „best-fitting"Exercise 3: Ajustarea unei regresii cu o variabilă x numerică Exercise 4: Predicția scorului de predare în funcție de vârstă Exercise 5: Realizarea predicțiilor folosind „scorul de atractivitate"Exercise 6: Calcularea valorilor estimate/prezise și a reziduurilor Exercise 7: Explicarea scorului de predare prin intermediul genului Exercise 8: AED al relației dintre scor și rang Exercise 9: Ajustarea unei regresii cu o variabilă x categorică Exercise 10: Predicția scorului de predare în funcție de gen Exercise 11: Realizarea de predicții pe baza rangului Exercise 12: Vizualizarea distribuției reziduurilor

În capitolul anterior, ai studiat regresia simplă folosind fie un singur predictor numeric, fie unul categorial. Dar de ce să ne limităm la o singură variabilă pentru a fundamenta explicațiile sau predicțiile? Vei extinde acum regresia simplă la regresia multiplă, care permite includerea mai multor variabile explicative sau predictoare în modele. Vei modela prețurile locuințelor folosind un set de date cu case din zona metropolitană Seattle, WA.

Exercise 1: Explicarea prețului unei case prin an și suprafață Exercise 2: EDA a relației Exercise 3: Ajustarea unui model de regresie Exercise 4: Predicția prețului unei case în funcție de an și suprafață Exercise 5: Realizarea predicțiilor folosind suprafața și numărul de dormitoare Exercise 6: Interpretarea reziduurilor Exercise 7: Explicarea prețului unei locuințe în funcție de suprafață și stare Exercise 8: Model cu pante paralele Exercise 9: Interpretarea modelului cu pante paralele Exercise 10: Predicția prețului unei locuințe folosind suprafața și starea Exercise 11: Realizarea predicțiilor pe baza suprafeței și a vederii spre apă Exercise 12: Automatizarea predicțiilor pentru case „noi"

În capitolele anterioare, ai ajustat diverse modele pentru a explica sau prezice o variabilă de interes. Dar cum știm ce modele să alegem? Măsurile de evaluare a modelelor îți permit să determini cât de bine se „potrivește" un model explicativ cu datele sau cât de precisă este predicția unui model predictiv. Pe baza acestor măsuri, vei învăța criteriile care definesc un model „bun".

Exercise 1: Selectarea și evaluarea modelelor Exercise 2: Recapitulare: suma pătratelor reziduurilor Exercise 3: Ce model să alegi?Exercise 4: Evaluarea potrivirii modelului cu R-pătrat Exercise 5: Calcularea R-pătrat al unui model Exercise 6: Compararea R-squared a două modele Exercise 7: Evaluarea predicțiilor cu RMSE Exercise 8: Calcularea MSE și RMSE ale unui model Exercise 9: Compararea RMSE a două modele Exercise 10: Cadrul de predicție pe setul de validare Exercise 11: Antrenarea modelului pe datele de antrenament Exercise 12: Predicții pe datele de test Exercise 13: Concluzie - Ce urmează de aici?