Explorativ visualisering av ålder

Nu ska vi utföra en explorativ dataanalys (EDA) av den numeriska förklaringsvariabeln age. Det är alltid viktigt att analysera dina variabler explorativt innan du påbörjar någon formell modellering. Det ger dig en bild av variabelns fördelning, eventuella extremvärden och mönster som kan vara användbara när du bygger din modell.

Den här övningen är en del av kursen

Modellering med data i Tidyverse

Övningsinstruktioner

Skapa ett histogram över age med hjälp av paketet ggplot2, där varje stapel motsvarar ett intervall på 5 år.
Märk x-axeln med "age" och y-axeln med "count".

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load packages
library(moderndive)
library(ggplot2)

# Plot the histogram
ggplot(evals, aes(x = ___)) +
  geom_histogram(binwidth = ___) +
  labs(___ = "___", ___ = "___")

Redigera och kör kod

Den här övningen är en del av kursen

Modellering med data i Tidyverse

SkillTag.level.intermediateSkillTag.label

4.9+

Starta kursen gratis

Det här kapitlet ger dig bakgrundsteori och grundläggande terminologi för modellering – bland annat det allmänna modelleringsramverket, skillnaden mellan förklarande och prediktiv modellering samt modelleringsproblemet. Du börjar också med din första explorativa dataanalys, ett viktigt första steg inför all formell modellering.

Exercise 1: Bakgrund om modellering för förklaring Exercise 2: Explorativ visualisering av ålder

Aktuell övning

Exercise 3: Numeriska sammanfattningar av ålder Exercise 4: Bakgrund om modellering för prediktion Exercise 5: Utforskande visualisering av husstorlek Exercise 6: Log10-transformation av bostadsyta Exercise 7: Modelleringsproblemet för förklaring Exercise 8: EDA av sambandet mellan undervisnings- och "skönhets"-poäng Exercise 9: Korrelation mellan undervisnings- och "skönhets"-poäng Exercise 10: Modelleringsproblemet för prediktion Exercise 11: EDA av sambandet mellan huspris och vattentomt Exercise 12: Förutsäga huspris med strandtomt

Med en god förståelse för det allmänna modelleringsramverket går vi nu vidare till enkel linjär regression. Här håller vi det enkelt och modellerar utfallsvariabeln y som en funktion av en enda förklarande variabel eller prediktor x. Vi använder både numeriska och kategoriska x-variabler. Utfallsvariabeln i det här kapitlet är undervisningsomdömen för lärare vid University of Texas, Austin.

Exercise 1: Förklara undervisningspoäng med ålder Exercise 2: Rita en regressionslinje som passar data bäst Exercise 3: Anpassa en regression med ett numeriskt x Exercise 4: Förutsäga undervisningsbetyg utifrån ålder Exercise 5: Göra förutsägelser med hjälp av "beauty score"Exercise 6: Beräkna anpassade/predikterade värden och residualer Exercise 7: Förklara undervisningspoäng utifrån kön Exercise 8: EDA av sambandet mellan score och rank Exercise 9: Anpassa en regression med en kategorisk x Exercise 10: Förutsäga undervisningspoäng utifrån kön Exercise 11: Göra prediktioner med hjälp av rank Exercise 12: Visualisering av residualernas fördelning

I föregående kapitel lärde du dig om enkel regression med antingen en numerisk eller en kategorisk prediktor. Men varför begränsa sig till en enda variabel? Nu utökar vi enkel regression till multipel regression, vilket gör det möjligt att inkludera fler än en förklarande variabel eller prediktor i modellerna. Du modellerar huspriser med hjälp av ett dataset över bostäder i storstadsområdet Seattle, WA.

Exercise 1: Förklara huspriser med år och storlek Exercise 2: EDA av samband Exercise 3: Anpassa en regression Exercise 4: Förutsäga huspriser utifrån år och storlek Exercise 5: Göra förutsägelser med storlek och antal sovrum Exercise 6: Tolka residualer Exercise 7: Förklara huspriser med storlek och skick Exercise 8: Modell med parallella lutningar Exercise 9: Tolka modellen med parallella lutningar Exercise 10: Förutsäga huspriser utifrån storlek och skick Exercise 11: Göra förutsägelser med storlek och vattenfront Exercise 12: Automatisera förutsägelser för "nya" hus

I de tidigare kapitlen har du anpassat olika modeller för att förklara eller förutsäga en utfallsvariabel. Men hur vet vi vilka modeller vi ska välja? Med hjälp av modellbedömningsmått kan du utvärdera hur väl en förklarande modell "passar" en datamängd, eller hur träffsäker en prediktiv modell är. Utifrån dessa mått lär du dig vilka kriterier som avgör vilka modeller som är "bäst".

Exercise 1: Modellval och utvärdering Exercise 2: Uppfräschning: summa av kvadrerade residualer Exercise 3: Vilken modell ska du välja?Exercise 4: Utvärdera modellanpassning med R-kvadrat Exercise 5: Beräkna R-kvadrat för en modell Exercise 6: Jämföra R² för två modeller Exercise 7: Utvärdera prediktioner med RMSE Exercise 8: Beräkna MSE och RMSE för en modell Exercise 9: Jämföra RMSE för två modeller Exercise 10: Ramverk för prediktion med valideringsuppsättning Exercise 11: Anpassa modellen till träningsdata Exercise 12: Förutsägelser på testdata Exercise 13: Avslutning – Vad händer härnäst?