Příběh dvou proměnných

Úvod do regrese s knihovnou statsmodels v Pythonu

Maarten Van den Broeck

Content Developer at DataCamp

Data švédského motorového pojištění

  • Každý řádek představuje jeden geografický region ve Švédsku.
  • Celkem je 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 s knihovnou statsmodels v Pythonu

Popisná statistika

import pandas as pd
print(swedish_motor_insurance.mean())

n_claims             22.904762
total_payment_sek    98.187302
dtype: float64

print(swedish_motor_insurance['n_claims'].corr(swedish_motor_insurance['total_payment_sek']))

0.9128782350234068
Úvod do regrese s knihovnou statsmodels v Pythonu

Co je regrese?

  • Statistické modely ke zkoumání vztahu mezi závislou proměnnou a vysvětlujícími proměnnými.
  • Na základě hodnot vysvětlujících proměnných lze předpovídat hodnoty závislé proměnné.
n_claims total_payment_sek
108 3925
19 462
13 157
124 4222
40 1194
200 ???
Úvod do regrese s knihovnou statsmodels v Pythonu

Terminologie

Závislá proměnná (také cílová proměnná)

Proměnná, jejíž hodnotu chcete předpovědět.

Vysvětlující proměnné (také nezávislé proměnné)

Proměnné, které vysvětlují, jak se mění závislá proměnná.

Úvod do regrese s knihovnou statsmodels v Pythonu

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 s knihovnou statsmodels v Pythonu

Vizualizace dvojic proměnných

import matplotlib.pyplot as plt
import seaborn as sns

sns.scatterplot(x="n_claims",
                y="total_payment_sek",    
                data=swedish_motor_insurance)

plt.show()

Bodový graf celkové platby v závislosti na počtu pojistných událostí. S rostoucím počtem událostí roste i výše platby.

Úvod do regrese s knihovnou statsmodels v Pythonu

Přidání lineární trendové linie

sns.regplot(x="n_claims",
            y="total_payment_sek",
            data=swedish_motor_insurance,
            ci=None)

Stejný bodový graf jako dříve, nyní doplněný o trendovou linii vypočítanou lineární regresí. Dobře odpovídá datům.

Úvod do regrese s knihovnou statsmodels v Pythonu

Struktura kurzu

Kapitola 1

Vizualizace a sestavování modelů lineární regrese.

Kapitola 2

Předpovědi z modelů lineární regrese a porozumění koeficientům modelu.

Kapitola 3

Hodnocení kvality modelu lineární regrese.

Kapitola 4

Totéž, ale s modely logistické regrese.

Úvod do regrese s knihovnou statsmodels v Pythonu

Balíčky Pythonu pro regresi

statsmodels

  • Optimalizováno pro analýzu (zaměření tohoto kurzu)

scikit-learn

  • Optimalizováno pro predikci (zaměření jiných kurzů DataCamp)
Úvod do regrese s knihovnou statsmodels v Pythonu

Pojďme si procvičit!

Úvod do regrese s knihovnou statsmodels v Pythonu

Preparing Video For Download...