Mentransformasikan variabel

Pengantar Regresi di R

Richie Cotton

Data Evangelist at DataCamp

Dataset perch

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
...	...	...

Bukan hubungan linear

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

Plot sebar massa perch vs panjangnya, dengan garis tren. Perch menjadi lebih berat lebih cepat daripada linear saat makin panjang, menghasilkan kurva naik.

Bream vs perch

Beberapa ikan bream sedang berenang. Bream cukup pipih.

Beberapa ikan perch sedang berenang. Perch cukup bulat.

Plot massa vs panjang kubik

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

Plot sebar massa perch vs panjang berpangkat tiga, dengan garis tren. Setelah transformasi ini, titik-titik sebagian besar dekat garis tren.

Memodelkan massa vs panjang kubik

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

Memprediksi massa vs panjang kubik

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.

Plot massa vs panjang kubik

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

Plot sebar massa perch vs panjang berpangkat tiga, dengan garis tren, diberi anotasi titik dari fungsi predict(). Titik-titik tepat mengikuti garis tren.

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

Plot sebar massa perch vs panjangnya, dengan garis tren, diberi anotasi titik dari fungsi predict(). Titik-titik tidak mengikuti garis tren namun mengikuti kurva data.

Dataset iklan Facebook

Cara kerja iklan

Membayar Facebook untuk menayangkan iklan.
Orang melihat iklan ("impressions").
Sebagian yang melihat, mengkliknya.

936 baris
Setiap baris mewakili 1 iklan

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
...	...	...

Plot padat/sempit

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

Plot sebar jumlah impression vs belanja iklan, dengan garis tren. Sebagian besar titik menumpuk di kiri bawah plot.

Akar kuadrat vs akar kuadrat

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

Plot sebar akar kuadrat jumlah impression vs akar kuadrat belanja iklan, dengan garis tren. Kini titik-titik lebih merata di seluruh plot.

Pemodelan dan prediksi

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.

Ayo berlatih!

Pengantar Regresi di R