评估模型中的不同参数
我们进行缺失值插补是有目的的——最终是为了分析数据！
在本示例中，我们关注的是海温预测，因此将构建一个用于预测海温的线性模型。
我们会将此模型拟合到之前创建的每个数据集上，然后探索模型中的系数。
上一个练习中的对象（ocean_cc、ocean_imp_lm_wind、ocean_imp_lm_all 和 bound_models）已加载到工作区中。
本练习是课程的一部分
在 R 中处理缺失数据
练习说明
- 为每个数据集创建模型摘要，并添加残差、预测和整理系数三列，分别使用
residuals、predict和tidy。 - 探索模型中的系数，并将对
air_temp_c估计值最高的模型保存到对象 best_model 中。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 <- "___"