Пояснюємо ціну будинку за роком і площею

Моделювання даних у Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Пауза на згадування: ціни на житло Сіетла

library(dplyr)
library(moderndive)

# Перегляньмо лише окремі змінні:
house_prices %>% 
  select(price, sqft_living, condition, waterfront) %>% 
  glimpse()

Observations: 21,613
Variables: 4
$ price       <dbl> 221900, 538000, 180000, 604000...
$ sqft_living <int> 1180, 2570, 770, 1960, 1680, 5420...
$ condition   <fct> 3, 3, 3, 5, 3, 3, 3, 3, 3, 3, 3...

Пауза на згадування: змінні «ціна» і «площа»

Пауза на згадування: перетворення log10

Пауза на згадування: перетворення даних

# Перетворення log10() для ціни та площі
house_prices <- house_prices %>%
  mutate(
    log10_price = log10(price),
    log10_size = log10(sqft_living)
  )

Модель ціни будинку

Залежна змінна $y$ — ціна будинку (USD): price
Дві числові пояснювальні/предикторні змінні:
- $x_1$ — площа будинку: log10_size
- $x_2$ — рік побудови: yr_built

Розвідувальна візуалізація: ціна, площа й рік

3D-скатерплот для log10_price, log10_size і yr_built

Регресійна площина

3D-скатерплот із регресійною площиною (посилання на інтерактивну версію).

Регресійна таблиця

# Побудуйте регресійну модель за формулою: y ~ x1 + x2
model_price_1 <- lm(log10_price ~ log10_size + yr_built, 
                    data = house_prices)

# Виведіть регресійну таблицю
get_regression_table(model_price_1)

# A tibble: 3 x 7
  term       estimate std_error statistic p_value...
  <chr>         <dbl>     <dbl>     <dbl>   <dbl>...
1 intercept   5.38      0.0754       71.4       0...
2 log10_size  0.913     0.00647     141.        0...
3 yr_built   -0.00138   0.00004     -33.8       0...

Давайте потренуємось!

Моделювання даних у Tidyverse