Doğrusal regresyonu uyarlama

Python ile statsmodels kullanarak Regresyona Giriş

Maarten Van den Broeck

Content Developer at DataCamp

Doğrular iki şeyle tanımlanır

Y-kesişim

$x$ sıfırken $y$ değeri.

Eğim

$x$ bir artarsa $y$'deki artış.

Denklem

$y = \text{intercept} + \text{slope} * x$

Y-kesişimi kestirme

Talep sayısına göre toplam ödeme saçılım grafiği ve doğrusal eğilim çizgisi. Talep arttıkça ödeme doğrusal artar.

Y-kesişimi kestirme

Toplam ödeme ile talep sayısı saçılım grafiği; eğilim çizgisinin y-ekseni kestiği nokta anotasyonlu.

Y-kesişimi kestirme

Toplam ödeme ile talep sayısı saçılım grafiği; talep sayısı sıfırken değer anotasyonlu.

Eğim kestirimi

Toplam ödeme ile talep sayısı saçılım grafiği; eğilim çizgisi üzerinde iki nokta anotasyonlu. Biri 1500 kron ve 40 talepte; diğeri 3500 kron ve 100 talepte.

Eğim kestirimi

Toplam ödeme ile talep sayısı saçılım grafiği; iki nokta arasındaki ödeme farkı anotasyonlu. 3500 kron - 1500 kron = 2000 kron.

Eğim kestirimi

Toplam ödeme ile talep sayısı saçılım grafiği; iki nokta arasındaki talep sayısı farkı anotasyonlu. 100 talep - 40 talep = 60 talep.

Eğim kestirimi

Toplam ödeme ile talep sayısı saçılım grafiği; farkların oranı anotasyonlu. 2000 bölü 60 yaklaşık 33.

Bir modeli çalıştırma

from statsmodels.formula.api import ols

mdl_payment_vs_claims = ols("total_payment_sek ~ n_claims",
                            data=swedish_motor_insurance)


mdl_payment_vs_claims = mdl_payment_vs_claims.fit()

print(mdl_payment_vs_claims.params)

Intercept    19.994486
n_claims      3.413824
dtype: float64

Katsayıları yorumlama

Intercept    19.994486
n_claims      3.413824
dtype: float64

Denklem

$\text{total\_payment\_sek} = 19.99 + 3.41 * \text{n\_claims}$

Haydi pratik yapalım!

Python ile statsmodels kullanarak Regresyona Giriş