Phân tích hồi quy

Phân tích dữ liệu khảo sát bằng Python

EbunOluwa Andrew

Data Scientist

Phân tích hồi quy

Hiểu quan hệ giữa các biến
Dùng để dự đoán kết quả cụ thể
Đo lường ảnh hưởng của biến độc lập lên biến phụ thuộc
Dự báo cơ hội và rủi ro tương lai
Chuyển dữ liệu thô lớn thành thông tin hữu ích
Cung cấp cơ sở thực chứng cho quyết định

Mọi người cố gắng giữ mũi tên tài chính đi xuống

Hồi quy tuyến tính với phương pháp bình phương tối thiểu (OLS)

Mô hình hồi quy tuyến tính
- Giả định quan hệ tuyến tính giữa x và y
- y = m * x + b
- Phương pháp Bình phương tối thiểu (OLS)
- Sum((tính − quan sát)^2) => tối thiểu

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

Tải dữ liệu

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       |

Định nghĩa biến

x = biến độc lập y = biến phụ thuộc

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... |

Dữ liệu khảo sát

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

Thêm hằng số

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

Yêu cầu mô hình ước lượng b

Chạy hồi quy và fit mô hình

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

Lấy m và b

Vẽ các giá trị gốc

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

Vẽ đường hồi quy

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()

Dự đoán giá trị phản hồi

y = 1.0072 * 30 + 0.1552
print(y)

30.3712

Ưu và nhược điểm của hồi quy tuyến tính

Ưu điểm
- Hiệu quả khi dữ liệu tách tuyến tính
Nhược điểm
- Giả định tuyến tính cho trường hợp phi tuyến

Ayo berlatih!

Phân tích dữ liệu khảo sát bằng Python