Kategoryczne zmienne objaśniające

Wprowadzenie do regresji z użyciem statsmodels w Pythonie

Maarten Van den Broeck

Content Developer at DataCamp

Zbiór danych o rybach

Każdy wiersz reprezentuje jedną rybę.
Zbiór danych zawiera 128 wierszy.
Występują 4 gatunki ryb:
- Leszcz pospolity
- Okoń europejski
- Szczupak północny
- Płoć pospolita

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

Wizualizacja 1 zmiennej numerycznej i 1 kategorycznej

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()

Wielopanelowy histogram liczby ryb w zależności od masy. Każdy panel przedstawia jeden gatunek: leszcza, okonia, szczupaka lub płoć.

Statystyki opisowe: średnia masa według gatunku

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

Regresja liniowa

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 z wyrazem wolnym lub bez

Z poprzedniego slajdu, model z wyrazem wolnym

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

Współczynniki są względne wobec wyrazu wolnego: $617.83 - 235.59 = 382.24!$

Model bez wyrazu wolnego

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

Dla pojedynczej zmiennej kategorycznej współczynniki są średnimi.

Czas na ćwiczenia!

Wprowadzenie do regresji z użyciem statsmodels w Pythonie