Analisi di regressione

Analisi dei dati da sondaggio in Python

EbunOluwa Andrew

Data Scientist

Analisi di regressione

Capire la relazione tra variabili
Usata per prevedere un risultato preciso
Valuta l'influenza delle variabili indipendenti su quella dipendente
Stima opportunità e rischi futuri
Converte molti dati grezzi in insight utili
Fornisce basi fattuali per decisioni informate

Persone che cercano di fermare una freccia finanziaria in calo

Regressione lineare con metodo OLS (minimi quadrati)

Modello di regressione lineare
- Presume una relazione lineare tra x e y
- y = m * x + b
- Metodo dei minimi quadrati ordinari (OLS)
- Somma((calcolato−osservato)^2) => minimizzata

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

Caricamento dati

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       |

Definisci le variabili

x = variabile indipendente y = variabile dipendente

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... |

Dati del sondaggio

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

Aggiungi il termine costante

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

Indica al modello di stimare b

Esegui regressione e fit

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

Recupero di m e b

Traccia i valori originali

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

Traccia la retta di regressione

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()

Predici la risposta

y = 1.0072 * 30 + 0.1552
print(y)

30.3712

Pro e contro della regressione lineare

Pro
- Va bene con dati linearmente separabili
Contro
- Presume linearità anche in casi non lineari

Ayo berlatih!

Analisi dei dati da sondaggio in Python