Tổng quan về mô hình hóa cho dự đoán

Mô hình hóa với dữ liệu trong Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Ví dụ mô hình hóa cho dự đoán

Một bộ dữ liệu giá nhà ở Quận King, bang Washington, gần Seattle (có tại Kaggle.com).

Câu hỏi: Liệu chúng ta có thể dự đoán giá bán nhà dựa trên các đặc trưng?

Biến:

$y$: Giá bán price tính bằng đô la Mỹ
$\vec{x}$: Đặc trưng như sqft_living, condition, bedrooms, yr_built, waterfront

Ví dụ mô hình hóa cho dự đoán

Từ gói moderndive cho ModernDive:

library(dplyr)
library(moderndive)
glimpse(house_prices)

Observations: 21,613
Variables: 21
$ id            <chr> "7129300520", "6414100192"...
$ date          <dttm> 2014-10-13, 2014-12-09, 2015...
$ price         <dbl> 221900, 538000, 180000, 604000...
...

Phân tích dữ liệu khám phá

library(ggplot2)
ggplot(house_prices, aes(x = price)) +
  geom_histogram() + 
  labs(x = "house price", y = "count")

Biểu đồ tần suất của biến kết quả

Dữ liệu Gapminder

Tái tỷ lệ trục x theo log10

Biến đổi log10

# log10() biến đổi giá và diện tích
house_prices <- house_prices %>%
  mutate(log10_price = log10(price)) %>% 
  select(price, log10_price)

# A tibble: 21,613 x 2
     price log10_price
     <dbl>       <dbl>
 1  221900        5.35
 2  538000        5.73
 3  180000        5.26
 4  604000        5.78
 5  510000        5.71
 6 1225000        6.09

Biểu đồ tần suất của biến kết quả mới

# Biểu đồ tần suất của biến kết quả gốc
ggplot(house_prices, aes(x = price)) +
  geom_histogram() + 
  labs(x = "house price", y = "count")

# Biểu đồ tần suất của biến kết quả mới sau biến đổi log10
ggplot(house_prices, aes(x = log10_price)) +
  geom_histogram() + 
  labs(x = "log10 house price", y = "count")

So sánh trước và sau khi biến đổi log10

Cùng luyện tập nào!

Mô hình hóa với dữ liệu trong Tidyverse