Příběh dvou proměnných

Úvod do regrese v R

Richie Cotton

Data Evangelist at DataCamp

Švédská data o pojištění motorových vozidel

  • Každý řádek představuje jeden zeměpisný region ve Švédsku.
  • Celkem 63 řádků.
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
... ...
Úvod do regrese v R

Popisná statistika

library(dplyr)
swedish_motor_insurance %>% 
  summarize_all(mean)

# A tibble: 1 x 2
  n_claims total_payment_sek
     <dbl>             <dbl>
1     22.9              98.2

swedish_motor_insurance %>% 
  summarize(
    correlation = cor(n_claims, total_payment_sek)
  )

# A tibble: 1 x 1
  correlation
        <dbl>
1       0.881
Úvod do regrese v R

Co je regrese?

  • Statistické modely ke zkoumání vztahu mezi závislou proměnnou a vysvětlujícími proměnnými.
  • Na základě hodnot vysvětlujících proměnných lze předpovědět hodnoty závislé proměnné.
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
200 ???
Úvod do regrese v R

Terminologie

Závislá proměnná (cílová proměnná)

Proměnná, kterou chcete předpovědět.

Nezávislé proměnné (vysvětlující proměnné)

Proměnné, které vysvětlují změny závislé proměnné.

Úvod do regrese v R

Lineární a logistická regrese

Lineární regrese

  • Závislá proměnná je numerická.

Logistická regrese

  • Závislá proměnná je logická.

Jednoduchá lineární/logistická regrese

  • Existuje pouze jedna vysvětlující proměnná.
Úvod do regrese v R

Vizualizace dvojic proměnných

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point()

Bodový graf celkových plateb v závislosti na počtu pojistných událostí. S rostoucím počtem událostí rostou i platby.

Úvod do regrese v R

Přidání lineární trendové přímky

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point() +
  geom_smooth(
    method = "lm", 
    se = FALSE
  )

Stejný bodový graf jako dříve, nyní doplněný o trendovou přímku vypočtenou lineární regresí. Přímka data dobře vystihuje.

Úvod do regrese v R

Struktura kurzu

Kapitola 1

Vizualizace a sestavení modelů lineární regrese.

Kapitola 2

Předpovědi z modelů lineární regrese a interpretace koeficientů.

Kapitola 3

Hodnocení kvality modelu lineární regrese.

Kapitola 4

Totéž, ale s modely logistické regrese.

Úvod do regrese v R

Pojďme si procvičit!

Úvod do regrese v R

Preparing Video For Download...