評估模型中的不同參數
我們進行插補是有原因的——因為你想要分析資料！
在這個例子中，我們關心的是海水溫度的預測，因此會建立一個用來預測海水溫度的線性模型。
我們會將這個模型套用到先前建立的每個資料集，接著探索其中的係數。
先前課程中的物件（ocean_cc、ocean_imp_lm_wind、ocean_imp_lm_all 和 bound_models）已載入至工作區。
本練習屬於課程
在 R 中處理遺漏值
練習說明
- 針對每個資料集建立模型摘要，並加入使用
residuals、predict與tidy產生的殘差等欄位。 - 探索模型中的係數，並將對
air_temp_c估計值最高的模型存入物件 best_model。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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 <- "___"