Předpovědi a poměr šancí

Úvod do regrese s knihovnou statsmodels v Pythonu

Maarten Van den Broeck

Content Developer at DataCamp

Předpovědi funkce regplot()

sns.regplot(x="time_since_last_purchase",
            y="has_churned",
            data=churn,
            ci=None,
            logistic=True)

plt.show()

Bodový graf odchodu zákazníků vs. čas od posledního nákupu s logistickou trendovou čarou.

Tvorba předpovědí

mdl_recency = logit("has_churned ~ time_since_last_purchase",
                    data = churn).fit()


explanatory_data = pd.DataFrame(
  {"time_since_last_purchase": np.arange(-1, 6.25, 0.25)})


prediction_data = explanatory_data.assign(
    has_churned = mdl_recency.predict(explanatory_data))

Přidání bodových předpovědí

sns.regplot(x="time_since_last_purchase",
            y="has_churned",
            data=churn,
            ci=None,
            logistic=True)

sns.scatterplot(x="time_since_last_purchase",
                y="has_churned",
                data=prediction_data,
                color="red")

plt.show()

Bodový graf odchodu zákazníků vs. čas od posledního nákupu s logistickou trendovou čarou. Graf je doplněn o výsledky funkce predict(), které přesně kopírují trendovou čáru.

Získání nejpravděpodobnějšího výsledku

prediction_data = explanatory_data.assign(
    has_churned = mdl_recency.predict(explanatory_data))

prediction_data["most_likely_outcome"] = np.round(prediction_data["has_churned"])

Vizualizace nejpravděpodobnějšího výsledku

sns.regplot(x="time_since_last_purchase",
            y="has_churned",
            data=churn,
            ci=None,
            logistic=True)

sns.scatterplot(x="time_since_last_purchase",
                y="most_likely_outcome",
                data=prediction_data,
                color="red")

plt.show()

Bodový graf odchodu zákazníků vs. čas od posledního nákupu s logistickou trendovou čarou. Graf je doplněn o nejpravděpodobnější výsledky. Při krátkém čase od posledního nákupu je nejpravděpodobnějším výsledkem setrvání zákazníka. Při dlouhém čase je nejpravděpodobnějším výsledkem odchod.

Poměr šancí

Poměr šancí je pravděpodobnost, že nastane jev, dělená pravděpodobností, že nenastane.

$$ \text{odds} = \frac{\text{probability}}{(1 - \text{probability)}} $$

$$ \text{odds} = \frac{0.25}{(1 - 0.25)} = \frac{1}{3} $$

Spojnicový graf poměru šancí vs. pravděpodobnost. Křivka roste asymptoticky k nekonečnu, jak se pravděpodobnost blíží jedné.

Výpočet poměru šancí

prediction_data["odds"] = prediction_data["has_churned"] / 
                            (1 - prediction_data["has_churned"])

Vizualizace poměru šancí

sns.lineplot(x="time_since_last_purchase",
             y="odds",
             data=prediction_data)


plt.axhline(y=1,
            linestyle="dotted")


plt.show()

Spojnicový graf poměru šancí vs. čas od posledního nákupu s vodorovnou čarou na hodnotě jedna. Při krátkém čase je nejpravděpodobnějším výsledkem setrvání zákazníka. Poměr šancí odchodu roste s časem od posledního nákupu až na pětinásobek.

Vizualizace log-poměru šancí

sns.lineplot(x="time_since_last_purchase",
             y="odds",
             data=prediction_data)

plt.axhline(y=1,
            linestyle="dotted")

plt.yscale("log")

plt.show()

Spojnicový graf poměru šancí vs. čas od posledního nákupu s vodorovnou čarou na hodnotě jedna. Osa y používá logaritmické měřítko, díky čemuž je křivka poměru šancí lineární.

Výpočet log-poměru šancí

prediction_data["log_odds"] = np.log(prediction_data["odds"])

Všechny předpovědi pohromadě

time_since_last_prchs	has_churned	most_likely_rspns	odds	log_odds
0	0.491	0	0.966	-0.035
2	0.623	1	1.654	0.503
4	0.739	1	2.834	1.042
6	0.829	1	4.856	1.580
...	...	...	...	...

Porovnání škál

Škála	Jsou hodnoty snadno interpretovatelné?	Jsou změny snadno interpretovatelné?	Je přesná?
Pravděpodobnost	✔	✘	✔
Nejpravděp. výsledek	✔✔	✔	✘
Poměr šancí	✔	✘	✔
Log-poměr šancí	✘	✔	✔

Lass uns üben!

Úvod do regrese s knihovnou statsmodels v Pythonu