Tahmin için modellemeye giriş

Tidyverse ile Verilerle Modelleme

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Tahmin için modelleme örneği

Seattle yakınlarındaki Washington Eyaleti, King County'de konut fiyatları veri kümesi (Kaggle.com).

Soru: Özelliklere bakarak evlerin satış fiyatını tahmin edebilir miyiz?

Değişkenler:

$y$: Ev satış price değeri (ABD doları)
$\vec{x}$: sqft_living, condition, bedrooms, yr_built, waterfront gibi özellikler

Tahmin için modelleme örneği

moderndive paketi, ModernDive için:

library(dplyr)
library(moderndive)
glimpse(house_prices)

Observations: 21,613
Variables: 21
$ id            <chr> "7129300520", "6414100192"...
$ date          <dttm> 2014-10-13, 2014-12-09, 2015...
$ price         <dbl> 221900, 538000, 180000, 604000...
...

Keşifsel veri analizi

library(ggplot2)
ggplot(house_prices, aes(x = price)) +
  geom_histogram() + 
  labs(x = "house price", y = "count")

Çıktı değişkeninin histogramı

Gapminder verisi

x-ekseni için log10 yeniden ölçekleme

Log10 dönüşümü

# log10() ile fiyatı ve boyutu dönüştür
house_prices <- house_prices %>%
  mutate(log10_price = log10(price)) %>% 
  select(price, log10_price)

# A tibble: 21,613 x 2
     price log10_price
     <dbl>       <dbl>
 1  221900        5.35
 2  538000        5.73
 3  180000        5.26
 4  604000        5.78
 5  510000        5.71
 6 1225000        6.09

Yeni çıktı değişkeninin histogramı

# Orijinal çıktı değişkeninin histogramı
ggplot(house_prices, aes(x = price)) +
  geom_histogram() + 
  labs(x = "house price", y = "count")

# Yeni, log10-dönüşümlü çıktı değişkeninin histogramı
ggplot(house_prices, aes(x = log10_price)) +
  geom_histogram() + 
  labs(x = "log10 house price", y = "count")

Log10 dönüşümü öncesi ve sonrası karşılaştırma

Hadi pratik yapalım!

Tidyverse ile Verilerle Modelleme