Cải thiện mức độ khớp của mô hình

Machine Learning trong tidyverse

Dmitriy (Dima) Gorenshteyn

Lead Data Scientist, Memorial Sloan Kettering Cancer Center

Mô hình Hồi quy tuyến tính bội

Các biến sẵn có: year, population, infant_mortality, fertility, gdpPercap

Dùng tất cả biến

Mô hình tuyến tính đơn: life_expectancy ~ year

gap_models <- gap_nested %>%
 mutate(model = map(data, ~lm(formula = life_expectancy ~ year, data = .x)))

Mô hình tuyến tính bội: life_expectancy ~ year + population + ...

Mô hình tuyến tính bội: life_expectancy ~ .

gap_fullmodels <- gap_nested %>%
 mutate(model = map(data, ~lm(formula = life_expectancy ~ ., data = .x)))

tidy(gap_fullmodels$model[[1]])

              term      estimate    std.error  statistic      p.value
1      (Intercept) -1.830195e+03 1.502271e+02 -12.182848 5.325478e-16
2             year  9.814091e-01 7.800580e-02  12.581232 1.693870e-16
3 infant_mortality -1.603504e-01 4.021732e-03 -39.870986 2.525847e-37
4        fertility -2.600935e-01 1.648652e-01  -1.577614 1.215074e-01

augment(gap_fullmodels$model[[1]])

   life_expectancy year infant_mortality fertility population ...   .fitted
1            47.50 1960            148.2      7.65   11124892 ...  47.45394 
2            48.02 1961            148.1      7.65   11404859 ...  48.35078 
3            48.55 1962            148.2      7.65   11690152 ...  49.26449

glance(gap_fullmodels$model[[1]])

  r.squared adj.r.squared     sigma statistic      p.value df    logLik ...
1 0.9990732     0.9989724 0.3160595  9917.133 1.562325e-68  6 -10.70225 ...

$R^2$ hiệu chỉnh

glance(gap_fullmodels$model[[1]])

  r.squared adj.r.squared     sigma statistic      p.value df    logLik ...
1 0.9990732     0.9989724 0.3160595  9917.133 1.562325e-68  6 -10.70225 ...

Cùng luyện tập nào!

Machine Learning trong tidyverse