Regresja i prognozowanie

Bayesowska analiza danych w Pythonie

Michal Oleszak

Machine Learning Engineer

Regresja liniowa

$$y = \beta_0 + \beta_1x_1 + \beta_2x_2 + ...$$

$$\text{sales} = \beta_0 + \beta_1\text{marketingSpending}$$

Wnioskowanie frekwentystyczne:
- $\text{sales} = \beta_0 + \beta_1\text{marketingSpending} + \varepsilon$
- $\varepsilon \sim \mathcal{N} (0, \sigma)$

Wnioskowanie bayesowskie:
- $\text{sales} \sim \mathcal{N} (\beta_0 + \beta_1\text{marketingSpending}, \sigma)$

Rozkład normalny

normal_0_1 = np.random.normal(0, 1, size=10000)




sns.kdeplot(normal_0_1, shade=True, label="N(0,1)")



plt.show()

Wykres gęstości standardowego rozkładu normalnego z maksimum w 0, symetryczny względem niego.

Rozkład normalny

normal_0_1 = np.random.normal(0, 1, size=10000)
normal_3_1 = np.random.normal(3, 1, size=10000)


sns.kdeplot(normal_0_1, shade=True, label="N(0,1)")
sns.kdeplot(normal_3_1, shade=True, label="N(3,1)")


plt.show()

Wykres gęstości rozkładu normalnego z maksimum w 3, symetryczny względem niego.

Rozkład normalny

normal_0_1 = np.random.normal(0, 1, size=10000)
normal_3_1 = np.random.normal(3, 1, size=10000)
normal_0_3 = np.random.normal(0, 3, size=10000)

sns.kdeplot(normal_0_1, shade=True, label="N(0,1)")
sns.kdeplot(normal_3_1, shade=True, label="N(3,1)")
sns.kdeplot(normal_0_3, shade=True, label="N(0,3)")

plt.show()

Wykres gęstości standardowego rozkładu normalnego z maksimum w 0, symetryczny względem niego.

Definicja bayesowskiego modelu regresji

$$\text{sales} \sim \mathcal{N} (\beta_0 + \beta_1\text{marketingSpending}, \sigma)$$

$$\beta_0 \sim \mathcal{N} (5, 2)$$

$$\beta_1 \sim \mathcal{N} (2, 10)$$

$$\sigma \sim \mathcal{Unif} (0, 3)$$

Oczekujemy 5000 sprzedaży bez żadnych działań marketingowych.
Oczekujemy wzrostu sprzedaży o 2000 na każde 1000 wydanych na marketing.
Jednostajny prior dla odchylenia standardowego – nie wiemy, jaką może mieć wartość.

Estymacja parametrów regresji

Aproksymacja siatką → niepraktyczna dla wielu parametrów
Wybór sprzężonych priorów i symulacja ze znanego posterioru → nieintuicyjne priory
Trzecia droga: symulacja z posterioru nawet przy niesprzężonych priorach!
Na razie zakładamy, że losowania parametrów są dane

Wykres posterioru

$$\text{sales} = \beta_0 + \beta_1\text{marketingSpending}$$

print(marketing_spending_draws)

array([9.6153, 8.9922, ..., 4.59565])

import pymc3 as pm

pm.plot_posterior(
  marketing_spending_draws, 
  hdi_prob=0.95
)

Wykres gęstości ze zaznaczoną średnią i przedziałem wiarygodnym.

Analiza losowań z posterioru

posterior_draws_df = pd.DataFrame({
    "intercept_draws": intercept_draws,
    "marketing_spending_draws": marketing_spending_draws,
    "sd_draws": sd_draws
})

print(posterior_draws_df)

       intercept_draws  marketing_spending_draws      sd_draws
count     10000.000000              10000.000000  10000.000000
mean          2.972130                  5.999146      1.337621
std           3.008565                  2.020708      0.471723
min          -8.562093                 -2.842438      0.029643
25%           0.972832                  4.621807      1.003229
50%           3.002940                  5.975067      1.427617
75%           5.020615                  7.362572      1.736310
max          15.228549                 13.258955      1.999834

Rozkład predykcyjny

Jakiej sprzedaży można oczekiwać przy wydatkach 1000 USD na marketing?

$\text{sales} \sim \mathcal{N} (\beta_0 + \beta_1\text{marketingSpending}, \sigma)$

# Get point estimates of parameters
intercept_mean = intercept_draws.mean()
marketing_spending_mean = marketing_spending_draws.mean()
sd_mean = sd_draws.mean()


# Calculate mean of predictive distribution
predictive_mean = intercept_mean + marketing_spending_mean * 1000


# Simulate from predictive distribution
prediction_draws = np.random.normal(predictive_mean, sd_mean, size=10000)

Rozkład predykcyjny

Jakiej sprzedaży można oczekiwać przy wydatkach 1000 USD na marketing?

Dzwonowy wykres gęstości przewidywanej sprzedaży z maksimum około 5986.

Czas na regresję i prognozowanie!

Bayesowska analiza danych w Pythonie