Висновки — Що робити далі?

Моделювання даних у Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

R‑код для всіх відео

Доступно за посиланням http://bit.ly/modeling_tidyverse

Інші курси з Tidyverse

Доступно тут і тут

Трек Tidyverse Fundamentals

Трек Intermediate Tidyverse Toolbox

Нагадування: Загальна модельна схема

Загалом: $y = f(\vec{x}) + \epsilon$
Лінійна регресія: $y = \beta_0 + \beta_1 \cdot x_1 + \epsilon$

Модель паралельних нахилів

Поліноміальна модель

Деревоподібні моделі

Курси DataCamp з іншими моделями

Курси з іншим $f()$ у $y = f(\vec{x}) + \epsilon$:

Нагадування: Регресійна таблиця

# Fit model:
model_score_1 <- lm(score ~ age, data = evals)

# Output regression table:
get_regression_table(model_score_1)

# A tibble: 2 x 7
  term      estimate std_error statistic p_value lower_ci upper_ci
  <chr>        <dbl>     <dbl>     <dbl>   <dbl>    <dbl>    <dbl>
1 intercept    4.46      0.127     35.2    0        4.21     4.71 
2 age         -0.006     0.003     -2.31   0.021   -0.011   -0.001

ModernDive: онлайн-підручник

Використовує інструменти tidyverse: ggplot2 і dplyr
Розширює регресійні моделі з цього курсу
Використовує набори даних evals і house_prices (та інші)
Мета: статистичні висновки засобами data science
Доступний на ModernDive.com

Успіхів!

Моделювання даних у Tidyverse