推理分析是分析人员在描述和探索数据集之后进行的分析。在更好地了解数据集之后，分析师通常会尝试从数据中推断出一些东西。这需要使用统计测试来完成。我们讨论了如何使用模型进行推断和预测分析。这意味着什么？

线性模型是数据分析中最常用的模型，因为其计算效率高且易于解释。扎实地了解线性模型及其工作原理对数据科学的任何工作都至关重要。tidyverse 提供了一套工具，使线性建模更加高效和简化。

当您想在响应模型中加入混杂因素或其他预测因子时，就需要进行多元线性回归。R 通过 lm() 函数的公式接口提供了一种直接的方法。

虽然我们在这节推理课中重点介绍了线性回归，但线性回归并不是唯一的分析方法。不过，它可以说是最常用的方法。除此之外，还有许多统计检验和方法都是线性回归的细微变化，因此，有了坚实的基础和对线性回归的理解，理解其他检验和方法就会简单得多。例如，如果您不想测量两个变量之间的线性关系，而是想知道观察到的平均值是否与期望值不同，该怎么办？

假设检验描述了一系列统计技术，用于确定所收集的数据是否为某个未知参数的值提供了证据。假设检验的目的是在考虑数据中可能导致虚假结果的变异性的同时进行推断。

预测建模是数据科学中的一项基本活动，涉及到根据先前观察到的数据建立预测系统。这些模型通常非常灵活，可以捕捉一系列不同的关系。

由于 RStudio 的工作，R 语言中提供了非常有用的软件包。如上所述，有数百种不同的机器学习算法。tidymodels R 软件包将其中的许多算法整合到一个框架中，让您可以轻松使用许多不同的机器学习模型。

本案例研究将展示一种建立预测模型的方法，用于预测美国的室外空气污染浓度。

初看 tidymodels 套件集，可能会让人不知所措。在此，我们提供了一个快速汇总表，以帮助您了解所有软件包及其使用时间。

在本项目中，您将练习使用 tidyverse 建立模型，对消费者金融保护局（CFPB）的消费者投诉数据进行分类。本项目包括同行评审和测验两个步骤，在同行评审步骤中，您将上传 R Markdown 和编织的 HTML 文件，在测验步骤中，您将回答有关分类算法预测的问题。