上次的代码：
代码语言：javascript复制library(ggplot2)
data(diamonds)
ggplot(diamonds, aes(cut, price)) geom_boxplot()
ggplot(diamonds, aes(color, price)) geom_boxplot()
ggplot(diamonds, aes(clarity, price)) geom_boxplot()
ggplot(diamonds, aes(carat, price)) geom_hex(bins = 50)
library(tidyverse)
library(modelr)
library(magrittr)
diamonds2 <- diamonds %>%
filter(carat <= 2.5) %>%
mutate(lprice = log2(price), lcarat = log2(carat))
ggplot(diamonds2, aes(lcarat, lprice))
geom_hex(bins = 50)最后得到了重量和价格的关系图：
caret vs price
拟合线性模型：
代码语言：javascript复制mod_diamond <- lm(lprice ~ lcarat, data = diamonds2)然后进行反向变换，还原数据：
代码语言：javascript复制grid <- diamonds2 %>%
data_grid(carat = seq_range(carat, 20)) %>%
mutate(lcarat = log2(carat)) %>%
add_predictions(mod_diamond, "lprice") %>%
mutate(price = 2 ^ lprice)
ggplot(diamonds2, aes(carat, price))
geom_hex(bins = 50)
geom_line(data = grid, color = "red", size = 1)
caret vs price 2
检查一下残差，用残差来代替原来的price进行预测：
代码语言：javascript复制diamonds2 <- diamonds2 %>%
add_residuals(mod_diamond, "lresid")
ggplot(diamonds2, aes(lcarat, lresid))
geom_hex(bins = 50)
residuals
代码语言：javascript复制ggplot(diamonds2, aes(cut, lresid)) geom_boxplot()
ggplot(diamonds2, aes(color, lresid)) geom_boxplot()
ggplot(diamonds2, aes(clarity, lresid)) geom_boxplot()
cut vs lresid
color vs lresid
clarity vs lresid
以最后一个图为例，最左边残差为-1，即lprice 比仅使用重量进行估计的预测值少一个单位，由于取过log2，因此值为-1 的点的价格为预计价格的一半，残差为1 时，价格则是预计价格的2 倍。
ps. 如果安装tidyverse的时候提示dplyr的namespace的问题，大概率是因为tidyverse需要>=0.8.3版本的dplyr，升级dplyr即可。
