Voorspellingen maken

Introductie tot regressie in R

Richie Cotton

Data Evangelist at DataCamp

De fish-dataset: bream

bream <- fish %>% 
  filter(species == "Bream")

species	length_cm	mass_g
Bream	23.2	242
Bream	24.0	290
Bream	23.9	340
Bream	26.3	363
Bream	26.5	430
...	...	...

Massa vs. lengte plotten

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

Een scatterplot van brasem-massa versus lengte, met een lineaire trendlijn. De punten liggen dicht bij de trendlijn.

Het model draaien

mdl_mass_vs_length <- lm(mass_g ~ length_cm, data = bream)

Call:
lm(formula = mass_g ~ length_cm, data = bream)

Coefficients:
(Intercept)    length_cm  
   -1035.35        54.55

Data met verklarende waarden om te voorspellen

Als ik de verklarende variabelen op deze waarden zet,
welke waarde krijgt de responsvariabele?

library(dplyr)
explanatory_data <- tibble(length_cm = 20:40)

predict() aanroepen

library(tibble)
explanatory_data <- tibble(length_cm = 20:40)

predict(mdl_mass_vs_length, explanatory_data)

         1          2          3          4          5          6 
  55.65205  110.20203  164.75202  219.30200  273.85198  328.40196 
         7          8          9         10         11         12 
 382.95194  437.50192  492.05190  546.60188  601.15186  655.70184 
        13         14         15         16         17         18 
 710.25182  764.80181  819.35179  873.90177  928.45175  983.00173 
        19         20         21 
1037.55171 1092.10169 1146.65167

Voorspellen in een data frame

library(dplyr)
explanatory_data <- tibble(length_cm = 20:40)

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

# A tibble: 21 x 2
   length_cm mass_g
       <int>  <dbl>
 1        20   55.7
 2        21  110. 
 3        22  165. 
 4        23  219. 
 5        24  274. 
 6        25  328. 
 7        26  383. 
 8        27  438. 
 9        28  492. 
10        29  547. 
# ... met nog 11 rijen

Voorspellingen tonen

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

De scatterplot van brasem-massa versus lengte, met een lineaire trendlijn. De plot is geannoteerd met punten berekend met predict(). Deze punten volgen de trendlijn exact.

Extrapoleren

Extrapoleren betekent voorspellen buiten het bereik van de geobserveerde data.

explanatory_little_bream <- tibble(length_cm = 10)
explanatory_little_bream %>% 
  mutate(
    mass_g = predict(
      mdl_mass_vs_length, explanatory_little_bream
    )
  )

# A tibble: 1 x 2
  length_cm mass_g
      <dbl>  <dbl>
1        10  -490.

Laten we oefenen!

Introductie tot regressie in R