Analisis regresi

Menganalisis Data Survei di Python

EbunOluwa Andrew

Data Scientist

Analisis regresi

Memahami hubungan antar variabel
Digunakan untuk memprediksi hasil yang presisi
Ukur pengaruh variabel independen pada variabel dependen
Proyeksikan peluang dan risiko masa depan
Ringkas data mentah menjadi informasi yang dapat ditindaklanjuti
Dukung keputusan berbasis fakta

Orang berusaha menahan panah finansial menurun

Regresi linear dengan metode ordinary least squares (OLS)

Model regresi linear
- Mengasumsikan hubungan linear antara variabel x dan y
- y = m * x + b
- Metode Ordinary Least Squares (OLS)
- Jumlah((terhitung–teramati)^2) => diminimalkan

¹ https://seeing-theory.brown.edu/regression-analysis/index.html

Memuat data

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import statsmodels.api as sm

exercise_data = pd.read_csv('workout_survey_data.csv')
print(exercise_data.head())

| workout_minutes | calories_burned |
|-----------------|-----------------|
| 77              | 79.775152       |
| 21              | 23.177279       |
| 22              | 25.609262       |
| 20              | 17.857388       |

Definisikan variabel

x = variabel independen y = variabel dependen

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist() 
print(x,'\n',y)

| [77, 21, 22, 20, 36...           |
|----------------------------------|
| [79.7, 23.1, 25.6, 17.8, 41.8... |

Data survei

workout_minutes	calories_burned
77	79.775152
21	23.177279
22	25.609262
20	17.857388
36	41.849864

Tambahkan konstanta

x = sm.add_constant(x)
print (x)

Meminta model menyesuaikan nilai b

Jalankan regresi dan fitting

result = sm.OLS(y,x).fit()
print(result.summary())

Mengambil m dan b

Plot nilai asli

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist()
plt.scatter(x,y)
plt.xlabel('minutes')
plt.ylabel('calories')
plt.show()

Plot garis regresi

max_x = exercise_data.minutes.max()
min_x = exercise_data.minutes.min()
x = np.arange(min_x, max_x, 1)

y = 1.0072*x + 0.1552

plt.plot(y, 'r')
plt.show()

Prediksi respons

y = 1.0072 * 30 + 0.1552
print(y)

30.3712

Kelebihan dan kekurangan regresi linear

Pro
- Baik saat data dapat dipisah secara linear
Kontra
- Mengasumsikan hubungan linear untuk kasus non-linear

Ayo berlatih!

Menganalisis Data Survei di Python