两个变量的故事

R 中的回归入门

Richie Cotton

Data Evangelist at DataCamp

瑞典机动车保险数据

每行代表瑞典的一个地理区域。
共 63 行。

n_claims	total_payment_sek
108	392.5
19	46.2
13	15.7
124	422.2
40	119.4
...	...

描述性统计

library(dplyr)
swedish_motor_insurance %>% 
  summarize_all(mean)

# A tibble: 1 x 2
  n_claims total_payment_sek
     <dbl>             <dbl>
1     22.9              98.2

swedish_motor_insurance %>% 
  summarize(
    correlation = cor(n_claims, total_payment_sek)
  )

# A tibble: 1 x 1
  correlation
        <dbl>
1       0.881

什么是回归？

用统计模型探索响应变量与解释变量之间的关系。
给定解释变量的取值，可预测响应变量。

n_claims	total_payment_sek
108	392.5
19	46.2
13	15.7
124	422.2
40	119.4
200	???

术语

响应变量（又称因变量）

您想要预测的变量。

解释变量（又称自变量）

用于解释响应变量如何变化的变量。

线性回归与逻辑回归

线性回归

响应变量为数值型。

逻辑回归

响应变量为布尔型。

简单线性/逻辑回归

只有一个解释变量。

可视化成对变量

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point()

总赔付额与理赔次数的散点图。理赔次数增加时，赔付额上升。

添加线性趋势线

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point() +
  geom_smooth(
    method = "lm", 
    se = FALSE
  )

同前散点图，加入通过线性回归计算的趋势线。对数据拟合合理。

课程流程

第 1 章

可视化并拟合线性回归模型。

第 2 章

用线性回归做预测并理解模型系数。

第 3 章

评估线性回归模型质量。

第 4 章

对逻辑回归模型重复以上内容。

Passons à la pratique !

R 中的回归入门