Modelvalidatie

Experimenteel ontwerp in R

Joanne Xiong

Data Scientist

EDA vóór het modelleren

Gemiddelde en variantie van de uitkomst per relevante variabele

lendingclub %>% summarise(median(loan_amnt),
                          mean(int_rate), 
                          mean(annual_inc))

lendingclub %>% group_by(verification_status) %>%
  summarise(mean(funded_amnt), 
            var(funded_amnt))

# A tibble: 3 x 3
verification_status `mean(funded_amnt)` `var(funded_amnt)`
<chr>                             <dbl>              <dbl>
1 Not Verified                   114.15          349.41953
2 Source Verified                156.14          723.53265
3 Verified                       166.08          848.54561

EDA vóór het modelleren (vervolg)

Boxplot van de uitkomst (y-as) per relevante variabele (x-as).

ggplot(data = lendingclub,
       aes(x = verification_status, y = funded_amnt)) +
    geom_boxplot()

alt text

Modelvalidatie na het modelleren

Residualplot
QQ-plot voor normaliteit
Toets ANOVA-aannames
- Homogeniteit van varianties
Probeer niet-parametrische alternatieven voor ANOVA

alt text

Laten we oefenen!

Experimenteel ontwerp in R