Regresyonu görselleştirme

R ile A/B Testi

Lauryn Burleigh

Data Scientist

Doğrusal çizgi

cor.test(~ Enjoy + Time, data = pizza, 
         method = "pearson")
library(ggplot2)
ggplot(pizza, aes(x = Enjoy, 
                  y = Time)) + 
  geom_point()

Y-ekseni pizza yeme süresi, x-ekseni enjoy olan pozitif korelasyonlu saçılım grafiği.

ggplot(pizza, aes(x = Enjoy, 
                  y = Time)) + 
  geom_point() +
  geom_smooth(method = "lm")

Y-ekseni pizza yeme süresi, x-ekseni enjoy olan pozitif korelasyonlu saçılım grafiği ve güven aralıklı mavi en iyi uyum çizgisi.

Doğrusal tahmin

linear <- lm(Time ~ Enjoy, 
                data = Pizza) 
Enjoy  <- 12
topredict <-  data.frame(Enjoy) 
prediction <- predict(linear, 
                     newdata = topredict) 

ggplot(pizza, aes(x = Enjoy, y = Time)) + 
  geom_point() +
  geom_smooth(method = "lm") +  
  geom_hline(yintercept = prediction) + 
  geom_vline(xintercept = Enjoy)

Y-ekseni pizza yeme süresi, x-ekseni enjoy olan pozitif korelasyonlu saçılım grafiği; güven aralıklı mavi en iyi uyum çizgisi; x=12 ve y=6.24’te kesişen siyah çizgiler.

Grupları belirtme

ggplot(pizza, aes(x = Enjoy, y = Time, 
                  color = Topping)) + 
  geom_point() +
  geom_smooth(method = "lm")

Y-ekseni pizza yeme süresi, x-ekseni enjoy olan pozitif korelasyonlu saçılım grafiği; Pepperoni için noktalar ve en iyi uyum çizgisi pembe, Cheese için mavi.

Grupları belirtme

ggplot(pizza, aes(x = Enjoy, 
                  y = Time)) + 
  geom_point(aes(colour = Topping)) +
  geom_smooth(method = "lm")

Y-ekseni pizza yeme süresi, x-ekseni enjoy olan pozitif korelasyonlu saçılım grafiği; mavi en iyi uyum çizgisi; Cheese noktaları mavi, Pepperoni noktaları pembe.

Lojistik çizgi

ggplot(pizza, aes(x = Enjoy, 
                  y = EatAgain)) + 
  geom_point(aes(colour = Topping)) +
  geom_smooth(method = "glm",  
              method.args = 
                 list(family = 
                      "binomial"))

X-ekseni enjoy, y-ekseni eat again olan saçılım grafiği; noktalar 0 veya 1’de; kavisli lojistik regresyon çizgisi.

Lojistik tahmin

Enjoy  <- 12

ggplot(pizza2, aes(x = Enjoy, 
                   y = EatAgain)) + 
  geom_point(aes(colour = Topping)) +
  geom_smooth(method = "glm",  
              method.args = 
              list(family = 
                   "binomial")) +
  geom_vline(xintercept = Enjoy)

X-ekseni enjoy, y-ekseni eat again olan saçılım grafiği; Pepperoni pembe, Cheese mavi; kavisli lojistik regresyon çizgisi ve x=12’de siyah dikey çizgi.

Haydi pratik yapalım!

R ile A/B Testi