Kategorické vysvětlující proměnné

Úvod do regrese s knihovnou statsmodels v Pythonu

Maarten Van den Broeck

Content Developer at DataCamp

Dataset ryb

Každý řádek představuje jednu rybu.
Dataset obsahuje 128 řádků.
Jsou zde 4 druhy ryb:
- Cejn velký
- Okoun říční
- Štika severní
- Plotice obecná

species	mass_g
Bream	242.0
Perch	5.9
Pike	200.0
Roach	40.0
...	...

Vizualizace 1 numerické a 1 kategorické proměnné

import matplotlib.pyplot as plt
import seaborn as sns

sns.displot(data=fish,
            x="mass_g",
            col="species",
            col_wrap=2,
            bins=9)

plt.show()

Fazetový histogram počtu ryb podle hmotnosti. Každý panel obsahuje jeden druh: cejn, okoun, štika nebo plotice.

Souhrnné statistiky: průměrná hmotnost podle druhu

summary_stats = fish.groupby("species")["mass_g"].mean()
print(summary_stats)

species
Bream    617.828571
Perch    382.239286
Pike     718.705882
Roach    152.050000
Name: mass_g, dtype: float64

Lineární regrese

from statsmodels.formula.api import ols 
mdl_mass_vs_species = ols("mass_g ~ species", data=fish).fit()

print(mdl_mass_vs_species.params)

Intercept           617.828571
species[T.Perch]   -235.589286
species[T.Pike]     100.877311
species[T.Roach]   -465.778571

Model s interceptem a bez interceptu

Z předchozího snímku, model s interceptem

mdl_mass_vs_species = ols(
  "mass_g ~ species", data=fish).fit()

print(mdl_mass_vs_species.params)

Intercept           617.828571
species[T.Perch]   -235.589286
species[T.Pike]     100.877311
species[T.Roach]   -465.778571

Koeficienty jsou relativní k interceptu: $617.83 - 235.59 = 382.24!$

Model bez interceptu

mdl_mass_vs_species = ols(
  "mass_g ~ species + 0", data=fish).fit()

print(mdl_mass_vs_species.params)

species[Bream]    617.828571
species[Perch]    382.239286
species[Pike]     718.705882
species[Roach]    152.050000

V případě jediné kategorické proměnné jsou koeficienty průměry.

Lass uns üben!

Úvod do regrese s knihovnou statsmodels v Pythonu