总结——下一步做什么？

Tidyverse 的数据建模

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

所有视频的 R 源代码

访问：http://bit.ly/modeling_tidyverse

其他 Tidyverse 课程

可在此处和此处获取

Tidyverse 基础学习路径

Tidyverse 进阶工具箱学习路径

回顾：通用建模框架

一般形式：$y = f(\vec{x}) + \epsilon$
线性回归：$y = \beta_0 + \beta_1 \cdot x_1 + \epsilon$

平行斜率模型

多项式模型

树模型

使用其他模型的 DataCamp 课程

在 $y = f(\vec{x}) + \epsilon$ 中使用不同 $f()$ 的课程：

回顾：回归表

# 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：在线教材

使用 tidyverse 工具：ggplot2 和 dplyr
拓展本课程中的回归模型
使用 evals 与 house_prices 等数据集
目标：以数据科学实现统计推断
访问 ModernDive.com

祝你成功！

Tidyverse 的数据建模