मॉडल आकलन और चयन

Tidyverse में डेटा के साथ Modeling

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

रीफ़्रेशर: मल्टिपल रिग्रेशन

व्याख्यात्मक/प्रेडिक्टर वैरिएबल्स के अलग-अलग जोड़ों वाले दो मॉडल:

# Model 1 - Two numerical:
model_price_1 <- lm(log10_price ~ log10_size + yr_built, 
                    data = house_prices)


# Model 3 - One numerical & one categorical:
model_price_3 <- lm(log10_price ~ log10_size + condition, 
                    data = house_prices)

रीफ़्रेशर: स्क्वायर्ड रेजिडुअल्स का सम

# Model 1
model_price_1 <- lm(log10_price ~ log10_size + yr_built, 
                    data = house_prices)
get_regression_points(model_price_1) %>%
  mutate(sq_residuals = residual^2) %>%
  summarize(sum_sq_residuals = sum(sq_residuals))

# A tibble: 1 x 1
  sum_sq_residuals
             <dbl>
1             585.

रीफ़्रेशर: स्क्वायर्ड रेजिडुअल्स का सम

# Model 3
model_price_3 <- lm(log10_price ~ log10_size + condition, 
                    data = house_prices)

get_regression_points(model_price_3) %>%
  mutate(sq_residuals = residual^2) %>%
  summarize(sum_sq_residuals = sum(sq_residuals))

# A tibble: 1 x 1
  sum_sq_residuals
             <dbl>
1             608.

अभ्यास करते हैं!

Tidyverse में डेटा के साथ Modeling