두 개의 수치형 설명 변수

R 중급 회귀

Richie Cotton

Data Evangelist at DataCamp

수치형 변수 3개 시각화

3D 산점도
응답을 색으로 표시한 2D 산점도

fish 데이터셋에 또 다른 열 추가

species	mass_g	length_cm	height_cm
Bream	1000	33.5	18.96
Bream	925	36.2	18.75
Roach	290	24.0	8.88
Roach	390	29.5	9.48
Perch	1100	39.0	12.80
Perch	1000	40.2	12.60
Pike	1250	52.0	10.69
Pike	1650	59.0	10.81

3D 산점도

library(plot3D)

scatter3D(fish$length_cm, fish$height_cm, fish$mass_g)

library(plot3D)
library(magrittr)

fish %$%
  scatter3D(length_cm, height_cm, mass_g)

3D 산점도

library(plot3D)
library(magrittr)

fish %$%
  scatter3D(length_cm, height_cm, mass_g)

산점도3d-물고기-길이-높이-질량.png

2D 산점도, 응답을 색으로 표시

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point()

산점도-색상-물고기-길이-높이-질량.png

Viridis 색상 스케일

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point() +
  scale_color_viridis_c(option = "inferno")

산점도-색상-물고기-길이-높이-질량-inferno.png

두 수치형 설명 변수로 모델링하기

mdl_mass_vs_both <- lm(mass_g ~ length_cm + height_cm, data = fish)

Call:
lm(formula = mass_g ~ length_cm + height_cm, data = fish)

Coefficients:
(Intercept)    length_cm    height_cm  
    -622.16        28.97        26.34

예측 흐름

explanatory_data <- expand_grid(
  length_cm = seq(5, 60, 5),
  height_cm = seq(2, 20, 2)
)

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

예측 시각화

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point() +
  scale_color_viridis_c(option = "inferno") +
  geom_point(
    data = prediction_data, shape = 15, size = 3
  )

산점도-색상-물고기-길이-높이-질량-inferno-예측.png

상호작용 포함하기

mdl_mass_vs_both_inter <- lm(mass_g ~ length_cm * height_cm, data = fish)

Call:
lm(formula = mass_g ~ length_cm * height_cm, data = fish)

Coefficients:
        (Intercept)            length_cm            height_cm  length_cm:height_cm  
           159.1144               0.3001             -78.1234               3.5455

예측 흐름 다시 보기

explanatory_data <- expand_grid(
  length_cm = seq(5, 60, 5),
  height_cm = seq(2, 20, 2)
)

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

예측 시각화

ggplot(
  fish, 
  aes(length_cm, height_cm, color = mass_g)
) +
  geom_point() +
  scale_color_viridis_c(option = "inferno") +
  geom_point(
    data = prediction_data, shape = 15, size = 3
  )

산점도-색상-물고기-길이-높이-질량-inferno-예측-상호작용.png

연습해 봅시다!

R 중급 회귀