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。

解釋型建模的背景

年齡的探索式視覺化

年齡的數值摘要

預測型建模的背景知識

房屋面積的探索性視覺化

房屋面積的 Log10 轉換

以解釋為目的的模型問題

教學評分與「美貌」分數的 EDA

教學分數與「外貌」分數的相關性

以預測為目的的模型問題

房價與臨水的關係之 EDA

用 waterfront 預測房價

建模導論

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。

用年齡解釋教學評分

繪製「最佳擬合」迴歸線

以數值 x 擬合回歸模型

用年齡預測教學評分

使用「外貌分數」進行預測

計算擬合／預測值與殘差

用性別解釋教學評分

評分與職級關係的 EDA

以類別型 x 擬合迴歸模型

用性別預測教學評分

使用 rank 進行預測

視覺化殘差的分佈

基礎迴歸建模

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。

用屋齡與坪數解釋房價

關係的 EDA

擬合一個迴歸模型

用年份與坪數預測房價

使用屋齡與臥室數進行預測

解讀殘差

用房屋面積與屋況解釋房價

平行斜率模型

解讀平行斜率模型

使用房屋面積與屋況預測房價

使用屋齡與臨水景觀進行預測

自動化預測「新」房屋的價格

多元迴歸建模

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。

模型評估與選擇

複習：殘差平方和

要選哪一個模型？

以 R-squared 評估模型擬合度

計算模型的 R-squared

比較兩個模型的 R-squared

用 RMSE 評估預測

計算模型的 MSE 與 RMSE

比較兩個模型的 RMSE

驗證集的預測架構

將模型擬合到訓練資料

在測試資料上做預測

結語－接下來可以怎麼走？

在這門課中，你將學習如何用資料進行建模。模型試圖刻劃你關注的結果變數與一系列解釋／預測變數之間的關係。這類模型可用於解釋用途，例如：「知道教授的年齡是否有助於解釋他們的教學評分？」也可用於預測用途，例如：「僅根據房屋的坪數與屋況，我們能多準確地預測房價？」你將運用 tidyverse 的技能來建立並解讀這些模型。本課程聚焦於線性迴歸，這是最常用且易於理解的建模方法之一。這種建模與思維廣泛應用於統計學、因果推論、機器學習與人工智慧等領域。

Data Manipulation with dplyr 

探索資料建模類型，包括預測，學習在Tidyverse中進行線性回歸和模型評估。

用房屋面積與屋況解釋房價

Create Your Free Account