เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างโมเดลที่ดีขึ้น

ก่อนหน้านี้ได้สร้างชุดโมเดลอย่างง่ายเพื่อพยากรณ์ อายุขัย โดยใช้ฟีเจอร์ year ซึ่งจากการวิเคราะห์พบว่าโมเดลบางตัวยังมีความพอดีที่ไม่ดีนัก

ในแบบฝึกหัดนี้ จะสร้างโมเดลถดถอยพหุคูณสำหรับแต่ละประเทศโดยใช้ฟีเจอร์ทั้งหมดที่มี เพื่อเปรียบเทียบประสิทธิภาพของ 4 โมเดลที่มีความพอดีต่ำที่สุด ค่า Adjusted \(R^2\) ของแต่ละประเทศแสดงไว้ด้านล่าง:

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

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ใน Tidyverse

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างโมเดลเชิงเส้นสำหรับแต่ละประเทศเพื่อพยากรณ์ life_expectancy โดยใช้ฟีเจอร์ทุกตัวในชุดข้อมูล
  • เพิ่มคอลัมน์ (fit) ที่บรรจุค่าสถิติความพอดีของแต่ละโมเดล และทำให้ data frame นี้กระชับขึ้น
  • แสดงค่า Adjusted \(R^2\) ใน fullmodel_perf ของ 4 ประเทศจาก data frame worst_fit

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด