L'analyse inférentielle est ce que les analystes effectuent après avoir décrit et exploré leur ensemble de données. Après avoir mieux compris votre ensemble de données, les analystes tentent souvent de déduire quelque chose des données. Pour ce faire, ils utilisent des tests statistiques. Nous avons discuté de la manière dont nous pouvons utiliser des modèles pour effectuer des analyses d'inférence et de prédiction. Qu'est-ce que cela signifie ?

Les modèles linéaires sont les modèles les plus couramment utilisés dans l'analyse des données en raison de leur efficacité informatique et de leur facilité d'interprétation. Une bonne compréhension des modèles linéaires et de leur fonctionnement est essentielle pour tout travail dans le domaine de la science des données. Le tidyverse fournit un ensemble d'outils permettant de rendre la modélisation linéaire plus efficace et plus rationnelle.

La régression linéaire multiple est nécessaire lorsque vous souhaitez inclure des facteurs de confusion ou d'autres prédicteurs dans votre modèle de réponse. R fournit un moyen simple de le faire via l'interface de formule de la fonction lm().

Bien que nous nous soyons concentrés sur la régression linéaire dans cette leçon sur l'inférence, la régression linéaire n'est pas la seule approche analytique existante. Cependant, on peut dire que c'est la plus couramment utilisée. En outre, il existe de nombreux tests et approches statistiques qui sont de légères variations de la régression linéaire, de sorte qu'une base solide et une bonne compréhension de la régression linéaire simplifient grandement la compréhension de ces autres tests et approches. Par exemple, que se passerait-il si vous ne vouliez pas mesurer la relation linéaire entre deux variables, mais plutôt savoir si la moyenne observée est différente de l'espérance ?

Les tests d'hypothèse décrivent une famille de techniques statistiques permettant de déterminer si les données collectées fournissent des preuves de la valeur d'un paramètre inconnu d'intérêt. L'objectif des tests d'hypothèses est de faire des déductions tout en tenant compte de la variabilité des données qui peut conduire à des résultats erronés.

La modélisation de la prédiction est une activité essentielle de la science des données et implique la construction de systèmes permettant de faire des prédictions basées sur des données observées précédemment. Ces modèles sont généralement très flexibles et peuvent saisir un éventail de relations différentes.

Grâce au travail de RStudio, des packages incroyablement utiles sont disponibles dans R. Comme indiqué plus haut, il existe des centaines d'algorithmes d'apprentissage automatique différents. Les paquets R tidymodels ont rassemblé un grand nombre d'entre eux dans un cadre unique, ce qui vous permet d'utiliser facilement de nombreux modèles d'apprentissage automatique différents.

Cette étude de cas présente une approche de la construction d'un modèle de prévision des concentrations de pollution de l'air extérieur aux États-Unis.

La collection de paquets tidymodels peut être écrasante à première vue. Nous vous proposons ici un tableau récapitulatif rapide pour vous aider à vous y retrouver parmi tous les paquets et à savoir quand ils doivent être utilisés.

Dans ce projet, vous vous entraînerez à construire des modèles avec le tidyverse pour classer les données des plaintes des consommateurs provenant du Consumer Financial Protection Bureau (CFPB). Ce projet comprend à la fois une étape d'évaluation par les pairs au cours de laquelle vous téléchargerez des fichiers R Markdown et HTML tricotés ET une étape de quiz au cours de laquelle vous répondrez à des questions sur les prédictions faites par votre algorithme de classification.