Hacer predicciones

Introducción a la regresión con statsmodels en Python

Maarten Van den Broeck

Content Developer at DataCamp

El dataset de peces: brema

bream = fish[fish["species"] == "Bream"]
print(bream.head())

  species  mass_g  length_cm
0   Bream   242.0       23.2
1   Bream   290.0       24.0
2   Bream   340.0       23.9
3   Bream   363.0       26.3
4   Bream   430.0       26.5

Brema común, _Abramis brama_

Graficar masa vs. longitud

sns.regplot(x="length_cm",
            y="mass_g",
            data=bream,
            ci=None)

plt.show()

Diagrama de dispersión de masas frente a longitudes de brema, con una recta de tendencia lineal. Los puntos están cerca de la recta.

Ejecutar el modelo

mdl_mass_vs_length = ols("mass_g ~ length_cm", data=bream).fit()

print(mdl_mass_vs_length.params)

Intercept   -1035.347565
length_cm      54.549981
dtype: float64

Datos de explicativas para predecir

Si fijo las variables explicativas a estos valores,
¿qué valor tendría la variable respuesta?

explanatory_data = pd.DataFrame({"length_cm": np.arange(20, 41)})

    length_cm
0          20
1          21
2          22
3          23
4          24
5          25
     ...

Llamar a predict()

print(mdl_mass_vs_length.predict(explanatory_data))

0       55.652054
1      110.202035
2      164.752015
3      219.301996
4      273.851977
    ...
16     928.451749
17     983.001730
18    1037.551710
19    1092.101691
20    1146.651672
Length: 21, dtype: float64

Predecir dentro de un DataFrame

explanatory_data = pd.DataFrame(
  {"length_cm": np.arange(20, 41)}
)

prediction_data = explanatory_data.assign(
    mass_g=mdl_mass_vs_length.predict(explanatory_data)
)

print(prediction_data)

    length_cm         mass_g
0          20      55.652054
1          21     110.202035
2          22     164.752015
3          23     219.301996
4          24     273.851977
..        ...            ...
16         36     928.451749
17         37     983.001730
18         38    1037.551710
19         39    1092.101691
20         40    1146.651672

Mostrar predicciones

import matplotlib.pyplot as plt
import seaborn as sns
fig = plt.figure()
sns.regplot(x="length_cm",
            y="mass_g",
            ci=None,
            data=bream,)
sns.scatterplot(x="length_cm",
                y="mass_g",
                data=prediction_data, 
                color="red",
                marker="s")
plt.show()

Diagrama de dispersión de masas frente a longitudes de brema, con una recta de tendencia lineal. La gráfica se ha anotado con los puntos calculados con predict(). Todos siguen exactamente la recta.

Extrapolar

“Extrapolar” significa predecir fuera del rango de datos observados.

little_bream = pd.DataFrame({"length_cm": [10]})

pred_little_bream = little_bream.assign(
    mass_g=mdl_mass_vs_length.predict(little_bream))

print(pred_little_bream)

   length_cm      mass_g
0         10 -489.847756

Diagrama de dispersión de masas frente a longitudes de brema, con una recta de tendencia lineal. La gráfica se ha anotado con una brema ficticia de 10 cm y su masa predicha.

¡Vamos a practicar!

Introducción a la regresión con statsmodels en Python