使用 rank 進行預測

在主控台執行 get_regression_table(model_score_4)，重新產生以 rank 解釋 score 的迴歸表。現在，假設你想用這個表來預測某位講師的教學 score，而你只知道他是 tenured 教授，其他一無所知。以下哪一個敘述是正確的？

本練習屬於課程

在 Tidyverse 中進行資料建模

動手互動練習

將理論付諸實踐，立即體驗我們的互動練習

本練習屬於課程

在 Tidyverse 中進行資料建模

SkillTag.level.intermediateSkillTag.label

4.9+

免費開始學習課程

本章將介紹建模的背景理論與術語，特別是一般建模架構、解釋型建模與預測型建模的差異，以及建模問題本身。此外，你也會開始進行第一次的探索性資料分析，這是在任何正式建模之前至關重要的第一步。

Exercise 1: 解釋型建模的背景 Exercise 2: 年齡的探索式視覺化 Exercise 3: 年齡的數值摘要 Exercise 4: 預測型建模的背景知識 Exercise 5: 房屋面積的探索性視覺化 Exercise 6: 房屋面積的 Log10 轉換 Exercise 7: 以解釋為目的的模型問題 Exercise 8: 教學評分與「美貌」分數的 EDA Exercise 9: 教學分數與「外貌」分數的相關性 Exercise 10: 以預測為目的的模型問題 Exercise 11: 房價與臨水的關係之 EDA Exercise 12: 用 waterfront 預測房價

在掌握一般建模架構後，本章將介紹基本線性迴歸，你會先從簡單情境出發，把結果變數 y 視為單一解釋／預測變數 x 的函數。我們會同時使用數值型與類別型的 x 變數。本章的重點結果變數是德州大學奧斯汀分校教師的教學評分。

Exercise 1: 用年齡解釋教學評分 Exercise 2: 繪製「最佳擬合」迴歸線 Exercise 3: 以數值 x 擬合回歸模型 Exercise 4: 用年齡預測教學評分 Exercise 5: 使用「外貌分數」進行預測 Exercise 6: 計算擬合／預測值與殘差 Exercise 7: 用性別解釋教學評分 Exercise 8: 評分與職級關係的 EDA Exercise 9: 以類別型 x 擬合迴歸模型 Exercise 10: 用性別預測教學評分 Exercise 11: 使用 rank 進行預測

當前練習

Exercise 12: 視覺化殘差的分佈

在前一章中，你學會了僅使用單一數值或單一類別預測變數的基本迴歸。不過，為何只用一個變數來進行解釋或預測呢？你現在將把基本迴歸擴展為多元迴歸，讓模型能納入一個以上的解釋或預測變數。你將使用西雅圖都會區的房屋資料集來建構房價模型。

Exercise 1: 用屋齡與坪數解釋房價 Exercise 2: 關係的 EDA Exercise 3: 擬合一個迴歸模型 Exercise 4: 用年份與坪數預測房價 Exercise 5: 使用屋齡與臥室數進行預測 Exercise 6: 解讀殘差 Exercise 7: 用房屋面積與屋況解釋房價 Exercise 8: 平行斜率模型 Exercise 9: 解讀平行斜率模型 Exercise 10: 使用房屋面積與屋況預測房價 Exercise 11: 使用屋齡與臨水景觀進行預測 Exercise 12: 自動化預測「新」房屋的價格

在前幾章中，你配適了各種模型來解釋或預測關注的結果變數。然而，我們怎麼知道該選哪些模型？模型評估指標可用來衡量解釋型模型與資料的「擬合」程度，或預測型模型的準確度。根據這些指標，你將學習判斷哪些模型是「最佳」的準則。

Exercise 1: 模型評估與選擇 Exercise 2: 複習：殘差平方和 Exercise 3: 要選哪一個模型？Exercise 4: 以 R-squared 評估模型擬合度 Exercise 5: 計算模型的 R-squared Exercise 6: 比較兩個模型的 R-squared Exercise 7: 用 RMSE 評估預測 Exercise 8: 計算模型的 MSE 與 RMSE Exercise 9: 比較兩個模型的 RMSE Exercise 10: 驗證集的預測架構 Exercise 11: 將模型擬合到訓練資料 Exercise 12: 在測試資料上做預測 Exercise 13: 結語－接下來可以怎麼走？