Conclusion - Où aller ensuite?

Modélisation avec des données dans le tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Code source R pour toutes les vidéos

Offert à http://bit.ly/modeling_tidyverse

Autres cours sur le Tidyverse

Disponibles ici et ici

Parcours Tidyverse : notions de base

Parcours Tidyverse intermédiaire : boîte à outils

Rappel : cadre général de modélisation

En général : $y = f(\vec{x}) + \epsilon$
Modèles de régression linéaire : $y = \beta_0 + \beta_1 \cdot x_1 + \epsilon$

Modèle à pentes parallèles

Modèle polynomial

Modèles d'arbres

Cours DataCamp utilisant d'autres modèles

Cours avec différents $f()$ dans $y = f(\vec{x}) + \epsilon$ :

Rappel : tableau de régression

# 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 : manuel en ligne

Utilise les outils tidyverse : ggplot2 et dplyr
Approfondit les modèles de régression vus dans ce cours
Utilise les ensembles de données evals et house_prices (et d'autres)
Objectif : inférence statistique via la science des données
Offert sur ModernDive.com

Bonne continuation!

Modélisation avec des données dans le tidyverse