प्रीडिक्शन के लिए मॉडलिंग की पृष्ठभूमि

Tidyverse में डेटा के साथ Modeling

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

प्रीडिक्शन के लिए मॉडलिंग: उदाहरण

सीएटल के पास, वॉशिंगटन स्टेट के किंग काउंटी के हाउस प्राइसेज़ का एक डेटासेट (Kaggle.com पर उपलब्ध).

प्रश्न: क्या हम फीचर्स के आधार पर घर की बिक्री कीमत प्रिडिक्ट कर सकते हैं?

वैरिएबल्स:

$y$: House sale price US dollars में
$\vec{x}$: फीचर्स जैसे sqft_living, condition, bedrooms, yr_built, waterfront

प्रीडिक्शन के लिए मॉडलिंग: उदाहरण

moderndive पैकेज से ModernDive के लिए:

library(dplyr)
library(moderndive)
glimpse(house_prices)

Observations: 21,613
Variables: 21
$ id            <chr> "7129300520", "6414100192"...
$ date          <dttm> 2014-10-13, 2014-12-09, 2015...
$ price         <dbl> 221900, 538000, 180000, 604000...
...

एक्सप्लोरेटरी डेटा एनालिसिस

library(ggplot2)
ggplot(house_prices, aes(x = price)) +
  geom_histogram() + 
  labs(x = "house price", y = "count")

आउटकम वैरिएबल का हिस्टोग्राम

Gapminder डेटा

x-अक्ष का log10 रिस्केलिंग

Log10 ट्रांसफॉर्मेशन

# log10() transform price and size
house_prices <- house_prices %>%
  mutate(log10_price = log10(price)) %>% 
  select(price, log10_price)

# A tibble: 21,613 x 2
     price log10_price
     <dbl>       <dbl>
 1  221900        5.35
 2  538000        5.73
 3  180000        5.26
 4  604000        5.78
 5  510000        5.71
 6 1225000        6.09

नए आउटकम वैरिएबल का हिस्टोग्राम

# Histogram of original outcome variable
ggplot(house_prices, aes(x = price)) +
  geom_histogram() + 
  labs(x = "house price", y = "count")

# Histogram of new, log10-transformed outcome variable
ggplot(house_prices, aes(x = log10_price)) +
  geom_histogram() + 
  labs(x = "log10 house price", y = "count")

log10 ट्रांसफॉर्मेशन से पहले और बाद की तुलना

Let's practice!

Tidyverse में डेटा के साथ Modeling