Analiza regresji

Analiza danych ankietowych w Pythonie

EbunOluwa Andrew

Data Scientist

Analiza regresji

Zrozumienie zależności między zmiennymi
Prognozowanie precyzyjnych wyników
Ocena wpływu zmiennych niezależnych na zależną
Przewidywanie przyszłych szans i ryzyk
Przekształcanie danych surowych w użyteczne informacje
Zapewnia faktyczne wsparcie dla świadomych decyzji

Ludzie próbujący powstrzymać spadający wykres finansowy

Regresja liniowa metodą najmniejszych kwadratów (OLS)

Model regresji liniowej
- Zakłada liniową zależność między x i y
- y = m * x + b
- Metoda najmniejszych kwadratów (OLS)
- Sum((obliczone-obserwowane)^2) => minimalizowane

¹ https://seeing-theory.brown.edu/regression-analysis/index.html

Wczytywanie danych

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import statsmodels.api as sm

exercise_data = pd.read_csv('workout_survey_data.csv')
print(exercise_data.head())

| workout_minutes | calories_burned |
|-----------------|-----------------|
| 77              | 79.775152       |
| 21              | 23.177279       |
| 22              | 25.609262       |
| 20              | 17.857388       |

Definiowanie zmiennych

x = zmienna niezależna y = zmienna zależna

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist() 
print(x,'\n',y)

| [77, 21, 22, 20, 36...           |
|----------------------------------|
| [79.7, 23.1, 25.6, 17.8, 41.8... |

Dane z ankiety

workout_minutes	calories_burned
77	79.775152
21	23.177279
22	25.609262
20	17.857388
36	41.849864

Dodawanie wyrazu wolnego

x = sm.add_constant(x)
print (x)

Informuje model o dopasowaniu wartości b

Regresja i dopasowanie modelu

result = sm.OLS(y,x).fit()
print(result.summary())

Pobieranie m i b

Wykres oryginalnych wartości

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist()
plt.scatter(x,y)
plt.xlabel('minutes')
plt.ylabel('calories')
plt.show()

Rysowanie prostej regresji

max_x = exercise_data.minutes.max()
min_x = exercise_data.minutes.min()
x = np.arange(min_x, max_x, 1)

y = 1.0072*x + 0.1552

plt.plot(y, 'r')
plt.show()

Przewidywanie odpowiedzi

y = 1.0072 * 30 + 0.1552
print(y)

30.3712

Zalety i wady regresji liniowej

Zalety
- Dobra wydajność przy liniowo separowalnych danych
Wady
- Zakłada liniowość w przypadkach nieliniowych

Czas na ćwiczenia!

Analiza danych ankietowych w Pythonie