Due variabili esplicative numeriche

Regressione intermedia in R

Richie Cotton

Data Evangelist at DataCamp

Visualizzare 3 variabili numeriche

Scatter plot 3D
Scatter plot 2D con risposta come colore

Un'altra colonna per il dataset dei pesci

species	mass_g	length_cm	height_cm
Bream	1000	33.5	18.96
Bream	925	36.2	18.75
Roach	290	24.0	8.88
Roach	390	29.5	9.48
Perch	1100	39.0	12.80
Perch	1000	40.2	12.60
Pike	1250	52.0	10.69
Pike	1650	59.0	10.81

Scatter plot 3D

library(plot3D)

scatter3D(fish$length_cm, fish$height_cm, fish$mass_g)

library(plot3D)
library(magrittr)

fish %$%
  scatter3D(length_cm, height_cm, mass_g)

Scatter plot 3D

library(plot3D)
library(magrittr)

fish %$%
  scatter3D(length_cm, height_cm, mass_g)

Grafico a dispersione 3D: lunghezza, altezza e massa dei pesci

Scatter plot 2D, colore per la risposta

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point()

Grafico a dispersione 2D con colore: lunghezza, altezza e massa dei pesci

Scale di colore Viridis

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point() +
  scale_color_viridis_c(option = "inferno")

Scale di colore Viridis (opzione inferno) applicate allo scatter plot

Modellare con 2 variabili esplicative numeriche

mdl_mass_vs_both <- lm(mass_g ~ length_cm + height_cm, data = fish)

Call:
lm(formula = mass_g ~ length_cm + height_cm, data = fish)

Coefficients:
(Intercept)    length_cm    height_cm  
    -622.16        28.97        26.34

Il flusso di previsione

explanatory_data <- expand_grid(
  length_cm = seq(5, 60, 5),
  height_cm = seq(2, 20, 2)
)

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

Rappresentare le previsioni

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point() +
  scale_color_viridis_c(option = "inferno") +
  geom_point(
    data = prediction_data, shape = 15, size = 3
  )

Punti di previsione sovrapposti allo scatter plot colorato

Includere un'interazione

mdl_mass_vs_both_inter <- lm(mass_g ~ length_cm * height_cm, data = fish)

Call:
lm(formula = mass_g ~ length_cm * height_cm, data = fish)

Coefficients:
        (Intercept)            length_cm            height_cm  length_cm:height_cm  
           159.1144               0.3001             -78.1234               3.5455

Di nuovo il flusso di previsione

explanatory_data <- expand_grid(
  length_cm = seq(5, 60, 5),
  height_cm = seq(2, 20, 2)
)

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

Rappresentare le previsioni

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point() +
  scale_color_viridis_c(option = "inferno") +
  geom_point(
    data = prediction_data, shape = 15, size = 3
  )

Previsioni con interazione sovrapposte allo scatter plot colorato

Esercitiamoci!

Regressione intermedia in R