Hacer predicciones

Introducción a la regresión en R

Richie Cotton

Data Evangelist at DataCamp

El dataset fish: besugo

bream <- fish %>% 
  filter(species == "Bream")

species	length_cm	mass_g
Bream	23.2	242
Bream	24.0	290
Bream	23.9	340
Bream	26.3	363
Bream	26.5	430
...	...	...

Graficar masa vs. longitud

ggplot(bream, aes(length_cm, mass_g)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

Dispersión de masas frente a longitudes de besugos, con una línea de tendencia lineal. Los puntos están cerca de la línea.

Ejecutar el modelo

mdl_mass_vs_length <- lm(mass_g ~ length_cm, data = bream)

Call:
lm(formula = mass_g ~ length_cm, data = bream)

Coefficients:
(Intercept)    length_cm  
   -1035.35        54.55

Datos de valores explicativos a predecir

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

library(dplyr)
explanatory_data <- tibble(length_cm = 20:40)

Llamar a predict()

library(tibble)
explanatory_data <- tibble(length_cm = 20:40)

predict(mdl_mass_vs_length, explanatory_data)

         1          2          3          4          5          6 
  55.65205  110.20203  164.75202  219.30200  273.85198  328.40196 
         7          8          9         10         11         12 
 382.95194  437.50192  492.05190  546.60188  601.15186  655.70184 
        13         14         15         16         17         18 
 710.25182  764.80181  819.35179  873.90177  928.45175  983.00173 
        19         20         21 
1037.55171 1092.10169 1146.65167

Predecir dentro de un data frame

library(dplyr)
explanatory_data <- tibble(length_cm = 20:40)

prediction_data <- explanatory_data %>% 
  mutate(
    mass_g = predict(
      mdl_mass_vs_length, explanatory_data
    )
  )

# A tibble: 21 x 2
   length_cm mass_g
       <int>  <dbl>
 1        20   55.7
 2        21  110. 
 3        22  165. 
 4        23  219. 
 5        24  274. 
 6        25  328. 
 7        26  383. 
 8        27  438. 
 9        28  492. 
10        29  547. 
# ... with 11 more rows

Mostrar predicciones

ggplot(bream, aes(length_cm, mass_g)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  geom_point(
    data = prediction_data, 
    color = "blue"
  )

Dispersión de masas frente a longitudes de besugos, con línea de tendencia lineal. La gráfica está anotada con los puntos calculados con predict(). Todos siguen exactamente la línea.

Extrapolar

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

explanatory_little_bream <- tibble(length_cm = 10)
explanatory_little_bream %>% 
  mutate(
    mass_g = predict(
      mdl_mass_vs_length, explanatory_little_bream
    )
  )

# A tibble: 1 x 2
  length_cm mass_g
      <dbl>  <dbl>
1        10  -490.

¡Vamos a practicar!

Introducción a la regresión en R