Podsumowanie – co dalej?

Modelowanie danych w Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Kod źródłowy R do wszystkich filmów

Dostępny na http://bit.ly/modeling_tidyverse

Inne kursy Tidyverse

Dostępne tutaj i tutaj

Tidyverse Fundamentals Track

Intermediate Tidyverse Toolbox Track

Przypomnienie: ogólne ramy modelowania

Ogólnie: $y = f(\vec{x}) + \epsilon$
Modele regresji liniowej: $y = \beta_0 + \beta_1 \cdot x_1 + \epsilon$

Model równoległych nachyleń

Model wielomianowy

Modele drzewowe

Kursy DataCamp z innymi modelami

Kursy z różnymi $f()$ w $y = f(\vec{x}) + \epsilon$:

Przypomnienie: tabela regresji

# Fit model:
model_score_1 <- lm(score ~ age, data = evals)

# Output regression table:
get_regression_table(model_score_1)

# A tibble: 2 x 7
  term      estimate std_error statistic p_value lower_ci upper_ci
  <chr>        <dbl>     <dbl>     <dbl>   <dbl>    <dbl>    <dbl>
1 intercept    4.46      0.127     35.2    0        4.21     4.71 
2 age         -0.006     0.003     -2.31   0.021   -0.011   -0.001

ModernDive: podręcznik online

Używa narzędzi tidyverse: ggplot2 i dplyr
Rozszerza modele regresji z tego kursu
Używa zbiorów evals i house_prices (i innych)
Cel: wnioskowanie statystyczne przez data science
Dostępny na ModernDive.com

Powodzenia!

Modelowanie danych w Tidyverse