Die inferenzielle Analyse ist das, was Analysten durchführen, nachdem sie ihren Datensatz beschrieben und erforscht haben. Nachdem Sie Ihren Datensatz besser verstanden haben, versuchen Analysten oft, etwas aus den Daten abzuleiten. Dies geschieht mit Hilfe statistischer Tests. Wir haben ein wenig darüber gesprochen, wie wir Modelle verwenden können, um Inferenz- und Vorhersageanalysen durchzuführen. Was ist damit gemeint?

Lineare Modelle sind die am häufigsten verwendeten Modelle in der Datenanalyse, da sie rechnerisch effizient und einfach zu interpretieren sind. Ein solides Verständnis der linearen Modelle und ihrer Funktionsweise ist für jede Arbeit in der Datenwissenschaft von entscheidender Bedeutung. Tidyverse bietet eine Reihe von Tools, mit denen die lineare Modellierung effizienter und schlanker wird.

Eine multiple lineare Regression wird benötigt, wenn Sie Störfaktoren oder andere Prädiktoren in Ihr Modell für die Antwort einbeziehen möchten. R bietet eine unkomplizierte Möglichkeit, dies über die Formelschnittstelle der Funktion lm() zu tun.

Obwohl wir uns in dieser Lektion über Schlussfolgerungen auf die lineare Regression konzentriert haben, ist die lineare Regression nicht der einzige analytische Ansatz, den es gibt. Aber sie ist wohl die am häufigsten verwendete. Darüber hinaus gibt es viele statistische Tests und Ansätze, die leichte Variationen der linearen Regression sind. Wenn Sie also eine solide Grundlage und ein gutes Verständnis der linearen Regression haben, wird das Verständnis dieser anderen Tests und Ansätze viel einfacher. Was wäre zum Beispiel, wenn Sie nicht die lineare Beziehung zwischen zwei Variablen messen wollten, sondern stattdessen wissen wollten, ob der beobachtete Durchschnitt von der Erwartung abweicht oder nicht?

Hypothesentests beschreiben eine Familie von statistischen Techniken, mit denen Sie feststellen können, ob die von Ihnen gesammelten Daten einen Hinweis auf den Wert eines unbekannten Parameters von Interesse liefern. Das Ziel von Hypothesentests ist es, Schlussfolgerungen zu ziehen und dabei die Variabilität der Daten zu berücksichtigen, die zu falschen Ergebnissen führen kann.

Die Modellierung von Vorhersagen ist eine wesentliche Aktivität in der Datenwissenschaft und beinhaltet den Aufbau von Systemen zur Erstellung von Vorhersagen auf der Grundlage von zuvor beobachteten Daten. Diese Modelle sind in der Regel sehr flexibel und können eine Reihe von unterschiedlichen Beziehungen erfassen.

Dank der Arbeit von RStudio gibt es unglaublich hilfreiche Pakete in R. Wie bereits erwähnt, gibt es Hunderte von verschiedenen Algorithmen für maschinelles Lernen. Die R-Pakete von tidymodels haben viele davon in einem einzigen Framework zusammengefasst, so dass Sie viele verschiedene Modelle des maschinellen Lernens problemlos verwenden können.

In dieser Fallstudie wird ein Ansatz zur Erstellung eines Prognosemodells für die Vorhersage der Luftverschmutzung in den Vereinigten Staaten vorgestellt.

Die tidymodels Sammlung von Paketen kann auf den ersten Blick überwältigend sein. Hier finden Sie eine kurze Übersichtstabelle, die Ihnen hilft, alle Pakete zu finden und herauszufinden, wann sie verwendet werden sollten.

In diesem Projekt üben Sie die Erstellung von Modellen mit tidyverse zur Klassifizierung von Verbraucherbeschwerdedaten des Consumer Financial Protection Bureau (CFPB). Dieses Projekt umfasst sowohl einen Peer-Review-Schritt, bei dem Sie R Markdown- und gestrickte HTML-Dateien hochladen, als auch einen Quiz-Schritt, bei dem Sie Fragen zu den Vorhersagen Ihres Klassifizierungsalgorithmus beantworten müssen.