ปัญหาการสร้างโมเดลเพื่ออธิบาย

การสร้างโมเดลด้วยข้อมูลใน Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

ทบทวน: สูตรกรอบการสร้างโมเดลทั่วไป

$$ y = f(\vec{x}) + \epsilon $$

โดยที่:

$y$: ตัวแปรผลลัพธ์ที่สนใจ
$\vec{x}$: ตัวแปรอธิบาย/ตัวแปรพยากรณ์
$f()$: ฟังก์ชันที่แสดงความสัมพันธ์ระหว่าง $y$ กับ $\vec{x}$ หรือที่เรียกว่า สัญญาณ
$\epsilon$: ส่วนประกอบของข้อผิดพลาดที่ไม่เป็นระบบ หรือที่เรียกว่า สัญญาณรบกวน

ปัญหาการสร้างโมเดล

พิจารณา $y = f(\vec{x}) + \epsilon$

$f()$ และ $\epsilon$ เป็นสิ่งที่ไม่ทราบค่า
มี $n$ การสังเกตของ $y$ และ $\vec{x}$ ที่ทราบ/กำหนดไว้ในข้อมูล
เป้าหมาย: สร้างโมเดล $\hat{f}()$ ที่ ประมาณค่า $f()$ โดยละเว้น $\epsilon$
เป้าหมายในอีกมุมหนึ่ง: แยกสัญญาณออกจากสัญญาณรบกวน
จากนั้นสามารถสร้างค่า ที่พอดี/พยากรณ์ $\hat{y} = \hat{f}(\vec{x})$ ได้

ตัวอย่างการสร้างโมเดลเพื่ออธิบาย

EDA ของความสัมพันธ์

library(ggplot2)
library(dplyr)
library(moderndive)

ggplot(evals, aes(x = age, y = score)) +
  geom_point() + 
  labs(x = "age", y = "score",
       title = "Teaching score over age")

EDA ของความสัมพันธ์

Scatterplot แบบ Jitter

library(ggplot2)
library(dplyr)
library(moderndive)

# Use geom_jitter() instead of geom_point()
ggplot(evals, aes(x = age, y = score)) +
  geom_jitter() + 
  labs(x = "age", y = "score",
       title = "Teaching score over age (jittered)")

Scatterplot แบบ Jitter

สัมประสิทธิ์สหสัมพันธ์

การคำนวณสัมประสิทธิ์สหสัมพันธ์

evals %>% 
  summarize(correlation = cor(score, age))

# A tibble: 1 x 1
  correlation
        <dbl>
1      -0.107

มาฝึกกันเถอะ!

การสร้างโมเดลด้วยข้อมูลใน Tidyverse