Mô hình hóa với dữ liệu trong Tidyverse

Với hiểu biết về khung mô hình tổng quát, ở chương này, chúng ta sẽ đề cập đến hồi quy tuyến tính cơ bản, nơi bạn giữ mọi thứ đơn giản và mô hình hóa biến kết quả y như một hàm của một biến giải thích/dự báo x duy nhất. Chúng ta sẽ dùng cả biến x dạng số và dạng phân loại. Biến kết quả được quan tâm trong chương này sẽ là điểm đánh giá giảng dạy của các giảng viên tại Đại học Texas, Austin.

Ở chương trước, bạn đã học về hồi quy cơ bản với một biến dự báo dạng số hoặc dạng phân loại. Nhưng tại sao lại chỉ giới hạn ở một biến để hỗ trợ giải thích/dự đoán? Giờ bạn sẽ mở rộng hồi quy cơ bản thành hồi quy bội, cho phép đưa vào nhiều hơn một biến giải thích hoặc biến dự báo trong mô hình. Bạn sẽ mô hình hóa giá nhà bằng một bộ dữ liệu các căn nhà ở khu vực đô thị Seattle, WA.

Ở các chương trước, bạn đã khớp nhiều mô hình để giải thích hoặc dự đoán một biến kết quả quan tâm. Tuy nhiên, làm sao biết nên chọn mô hình nào? Các thước đo đánh giá mô hình cho phép bạn đánh giá mức độ một mô hình giải thích "phù hợp" với một bộ dữ liệu hoặc độ chính xác của một mô hình dự báo. Dựa trên các thước đo này, bạn sẽ tìm hiểu về các tiêu chí để xác định mô hình nào là "tốt nhất".