Линейная регрессия с Tidyverse (R)

В этом подробном руководстве вы узнаете, как моделировать линейную регрессию в R с помощью мощного пакета Tidyverse. Мы шаг за шагом рассмотрим весь процесс, от подготовки данных до интерпретации модели. Сначала мы рассмотрим основы простой линейной регрессии и обсудим, когда её целесообразно использовать. Затем мы рассмотрим реальный набор данных и используем dplyr и ggplot2 для исследования взаимосвязей между переменными. Далее вы узнаете, как задать линейную модель с помощью функции lm() и интерпретировать результаты регрессии. Мы рассмотрим такие ключевые понятия, как коэффициенты, остатки, R-квадрат и допущения модели. Но мы не остановимся на этом! Мы покажем вам, как оптимизировать рабочий процесс с помощью broom — пакета, который легко интегрируется с Tidyverse. Вы научитесь извлекать и упорядочивать коэффициенты модели, рассчитывать доверительные интервалы и генерировать прогнозы на основе новых данных. На протяжении всего руководства мы уделим особое внимание передовым практикам построения моделей и обсудим, как избежать распространённых ошибок. К концу вы приобретёте прочное понимание линейной регрессии и сможете применять её в своих собственных проектах по анализу данных. Независимо от того, новичок ли вы в изучении регрессии или опытный пользователь, желающий использовать возможности Tidyverse, это видео будет вам полезно. Наборы данных предоставлены для дальнейшего изучения. Поддержите меня: BuyMeACoffee: https://buymeacoffee.com/dsfe Patreon: https://www.patreon.com/dsfeorg Ko-fi: https://ko-fi.com/dsfe Подписывайтесь: Github: https://github.com/dsfeorg ⭐️ Содержание ⭐️ ⌨️ (0:00) Введение ⌨️ (1:48) Обзор курса ⌨️ (2:11) Концепции моделирования ⌨️ (14:41) Простая линейная регрессия (часть I) ⌨️ (23:38) Простая линейная регрессия (часть II) ⌨️ (27:36) Множественная линейная регрессия ⌨️ (30:30) Модель Оценка ⌨️ (41:42) Итоги и заключение Настройка R и RStudio: https://librarycarpentry.org/lc-r/ Наборы данных: Данные по хвойным: https://github.com/dsfeorg/linear_regression_intro/blob/main/conifers.csv Данные по берёзе: https://github.com/dsfeorg/linear_regression_intro/blob/main/birch_sample.csv Поставьте лайк, поделитесь и подпишитесь, чтобы получать больше обучающих материалов по R по статистике и машинному обучению! #linearregression #regressionanalysis #tidyverse