Kom igångKom igång gratis

Utvärdera de olika parametrarna i modellen

Vi imputerar våra data av en anledning – vi vill analysera dem!

I det här exemplet är vi intresserade av att förutsäga havstemperatur, så vi bygger en linjär modell som predikterar havstemperatur.

Vi anpassar den här modellen till var och en av de datamängder vi skapade och utforskar sedan koefficienterna i datan.

Objekten från föregående lektion (ocean_cc, ocean_imp_lm_wind, ocean_imp_lm_all och bound_models) är inlästa i arbetsytan.

Den här övningen är en del av kursen

Hantera saknade värden i R

Visa kurs

Övningsinstruktioner

  • Skapa modellsammanfattningen för varje datamängd med kolumner för residualer med hjälp av residuals, predict och tidy.
  • Utforska koefficienterna i modellen och placera den modell som har det högsta estimatet för air_temp_c i objektet best_model.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 <- "___"
Redigera och kör kod