Validace modelu

Experimental Design in R

Joanne Xiong

Data Scientist

EDA před modelováním

Průměr a rozptyl výsledku podle sledované proměnné

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 před modelováním – pokračování

Krabicový graf výsledku (osa y) podle sledované proměnné (osa x).

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

krabicový graf výše financování podle stavu ověření

Validace modelu po modelování

Graf reziduí
QQ-graf pro normalitu
Test předpokladů ANOVA
- Homogenita rozptylů
Neparametrické alternativy k ANOVA

grafy validace modelu pro výši financování

Pojďme cvičit!

Experimental Design in R