Expliquer le prix des maisons avec l'année et la surface

Modéliser des données avec le Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Rappel : prix des maisons à Seattle

library(dplyr)
library(moderndive)

# Preview only certain variables:
house_prices %>% 
  select(price, sqft_living, condition, waterfront) %>% 
  glimpse()

Observations: 21,613
Variables: 4
$ price       <dbl> 221900, 538000, 180000, 604000...
$ sqft_living <int> 1180, 2570, 770, 1960, 1680, 5420...
$ condition   <fct> 3, 3, 3, 5, 3, 3, 3, 3, 3, 3, 3...

Rappel : variables prix et surface

Rappel : transformation log10

Rappel : transformation des données

# log10() transform price and size
house_prices <- house_prices %>%
  mutate(
    log10_price = log10(price),
    log10_size = log10(sqft_living)
  )

Modèle pour le prix des maisons

Variable à expliquer $y$ – prix de la maison (USD) : price
Deux variables explicatives/prédictrices numériques :
- $x_1$ – surface de la maison : log10_size
- $x_2$ – année de construction : yr_built

Visualisation exploratoire : prix, surface et année

Nuage de points 3D de log10_price, log10_size et yr_built

Plan de régression

Nuage de points 3D avec plan de régression (lien vers la version interactive).

Table de régression

# Fit regression model using formula of form: y ~ x1 + x2
model_price_1 <- lm(log10_price ~ log10_size + yr_built, 
                    data = house_prices)

# Output regression table
get_regression_table(model_price_1)

# A tibble: 3 x 7
  term       estimate std_error statistic p_value...
  <chr>         <dbl>     <dbl>     <dbl>   <dbl>...
1 intercept   5.38      0.0754       71.4       0...
2 log10_size  0.913     0.00647     141.        0...
3 yr_built   -0.00138   0.00004     -33.8       0...

Passons à la pratique !

Modéliser des données avec le Tidyverse