Değişkenleri dönüştürme

R'da Regresyona Giriş

Richie Cotton

Data Evangelist at DataCamp

Levrek veri seti

library(dplyr)

perch <- fish %>%
  filter(species == "Perch")

species	mass_g	length_cm
Perch	5.9	7.5
Perch	32.0	12.5
Perch	40.0	13.8
Perch	51.5	15.0
Perch	70.0	15.7
...	...	...

İlişki doğrusal değil

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

Uzunluğa göre levrek kütlelerinin saçılım grafiği ve trend çizgisi. Levrekler uzadıkça doğrusal olandan daha hızlı ağırlaşır; yukarı kıvrım oluşur.

Kızılkanat vs. levrek

Bir grup kızılkanat yüzüyor. Kızılkanatlar oldukça yassıdır.

Bir grup levrek yüzüyor. Levrekler oldukça yuvarlaktır.

Kütle vs. uzunluk küpü grafiği

ggplot(perch, aes(length_cm ^ 3, mass_g)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

Uzunluğun küpüne göre levrek kütlelerinin saçılım grafiği ve trend çizgisi. Bu dönüşüm sonrası noktalar çoğunlukla trend çizgisine yakındır.

Kütle vs. uzunluk küpü modelleme

mdl_perch <- lm(mass_g ~ I(length_cm ^ 3), data = perch)

Call:
lm(formula = mass_g ~ I(length_cm^3), data = perch)

Coefficients:
   (Intercept)  I(length_cm^3)  
       -0.1175          0.0168

Kütle vs. uzunluk küpü tahmini

explanatory_data <- tibble(
  length_cm = seq(10, 40, 5)
)

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

# A tibble: 7 x 2
  length_cm mass_g
      <dbl>  <dbl>
1        10   16.7
2        15   56.6
3        20  134. 
4        25  262. 
5        30  453. 
6        35  720. 
7        40 1075.

Kütle vs. uzunluk küpü grafiği

ggplot(perch, aes(length_cm ^ 3, mass_g)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  geom_point(data = prediction_data, color = "blue")

Uzunluğun küpüne göre levrek kütlelerinin saçılım grafiği ve trend çizgisi; predict() ile hesaplanan noktalarla açıklanmış. Noktalar trend çizgisini tam izler.

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

Uzunluğa göre levrek kütlelerinin saçılım grafiği ve trend çizgisi; predict() ile hesaplanan noktalarla açıklanmış. Noktalar trendi izlemez, ancak veri eğrisini izler.

Facebook reklam veri seti

Reklam nasıl işler

Facebook'a reklam göstermek için ödeme yaparsınız.
İnsanlar reklamı görür (“gösterim”).
Bazıları tıklar.

936 satır
Her satır 1 reklamı temsil eder

spent_usd	n_impressions	n_clicks
1.43	7350	1
1.82	17861	2
1.25	4259	1
1.29	4133	1
4.77	15615	3
...	...	...

Grafik sıkışık

ggplot(
  ad_conversion, 
  aes(spent_usd, n_impressions)
) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

Reklam harcamasına göre gösterim sayısının saçılım grafiği ve trend çizgisi. Çoğu nokta grafiğin sol altına sıkışmıştır.

Karekök vs. karekök

ggplot(
  ad_conversion, 
  aes(sqrt(spent_usd), sqrt(n_impressions))
) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

Reklam harcaması ve gösterim sayısının kareköküne göre saçılım grafiği ve trend çizgisi. Noktalar artık grafiğe daha eşit dağılmıştır.

Modelleme ve tahmin

mdl_ad <- lm(
  sqrt(n_impressions) ~ sqrt(spent_usd), 
  data = ad_conversion
)

explanatory_data <- tibble(
  spent_usd = seq(0, 600, 100)
)

prediction_data <- explanatory_data %>% 
  mutate(
    sqrt_n_impressions = predict(
      mdl_ad, explanatory_data
    ),
    n_impressions = sqrt_n_impressions ^ 2
  )

# A tibble: 7 x 3
  spent_usd sqrt_n_impressions n_impressions
      <dbl>              <dbl>         <dbl>
1         0               15.3          235.
2       100              598.        357289.
3       200              839.        703890.
4       300             1024.       1048771.
5       400             1180.       1392762.
6       500             1318.       1736184.
7       600             1442.       2079202.

Hadi pratik yapalım!

R'da Regresyona Giriş