Valutazione e selezione dei modelli

Modellazione con i dati nel Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Ripasso: Regressione multipla

Due modelli con diverse coppie di variabili esplicative/predittori:

# Modello 1 - Due variabili numeriche:
model_price_1 <- lm(log10_price ~ log10_size + yr_built, 
                    data = house_prices)


# Modello 3 - Una numerica e una categorica:
model_price_3 <- lm(log10_price ~ log10_size + condition, 
                    data = house_prices)

Ripasso: Somma dei residui al quadrato

# Modello 1
model_price_1 <- lm(log10_price ~ log10_size + yr_built, 
                    data = house_prices)
get_regression_points(model_price_1) %>%
  mutate(sq_residuals = residual^2) %>%
  summarize(sum_sq_residuals = sum(sq_residuals))

# A tibble: 1 x 1
  sum_sq_residuals
             <dbl>
1             585.

Ripasso: Somma dei residui al quadrato

# Modello 3
model_price_3 <- lm(log10_price ~ log10_size + condition, 
                    data = house_prices)

get_regression_points(model_price_3) %>%
  mutate(sq_residuals = residual^2) %>%
  summarize(sum_sq_residuals = sum(sq_residuals))

# A tibble: 1 x 1
  sum_sq_residuals
             <dbl>
1             608.

Esercitiamoci!

Modellazione con i dati nel Tidyverse