Modellvalidering

Experimentell design i R

Joanne Xiong

Data Scientist

EDA inför modellering

Medelvärde och varians för utfallsvariabeln, uppdelat per intressevariabel

lendingclub %>% summarise(median(loan_amnt),
                          mean(int_rate), 
                          mean(annual_inc))

lendingclub %>% group_by(verification_status) %>%
  summarise(mean(funded_amnt), 
            var(funded_amnt))

# A tibble: 3 x 3
verification_status `mean(funded_amnt)` `var(funded_amnt)`
<chr>                             <dbl>              <dbl>
1 Not Verified                   114.15          349.41953
2 Source Verified                156.14          723.53265
3 Verified                       166.08          848.54561

EDA inför modellering, fortsättning

Lådagram med utfallsvariabeln (y-axeln) per intressevariabel (x-axeln).

ggplot(data = lendingclub,
       aes(x = verification_status, y = funded_amnt)) +
    geom_boxplot()

lådagram över finansierat belopp per verifieringsstatus

Modellvalidering efter modellering

Residualplot
QQ-diagram för normalitet
Testa ANOVA-antaganden
- Homogenitet i variansen
Prova icke-parametriska alternativ till ANOVA

valideringsdiagram för modell över finansierat belopp

Nu kör vi en övning!

Experimentell design i R