Mappa många modeller

Dataramen gap_nested i din arbetsyta innehåller gapminder-datamängden nästlad per land.

Du kommer att använda dessa data för att bygga en linjär modell för varje land som förutsäger förväntad livslängd med hjälp av särdragen year.

Obs: Termen feature är synonymt med termerna variabel eller prediktor. Den syftar på ett attribut i dina data som kan användas för att bygga en maskininlärningsmodell.

Den här övningen är en del av kursen

Maskininlärning med Tidyverse

Visa kurs

Övningsinstruktioner

Bygg en linjär modell för varje land som förutsäger life_expectancy med hjälp av särdragen year. Använd funktionen lm() för detta och spara den nya dataramen med modeller som gap_models.
Extrahera den första modellen från dataramen och spara den som algeria_model.
Visa information om modellen med hjälp av summary().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(___)

Redigera och kör kod