Povestea a două variabile

Introducere în Regresia în R

Richie Cotton

Data Evangelist at DataCamp

Date despre asigurările auto din Suedia

  • Fiecare rând reprezintă o regiune geografică din Suedia.
  • Există 63 de rânduri.
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
... ...
Introducere în Regresia în R

Statistici descriptive

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
Introducere în Regresia în R

Ce este regresia?

  • Modele statistice pentru explorarea relației dintre o variabilă de răspuns și variabilele explicative.
  • Pe baza valorilor variabilelor explicative, puteți prezice valorile variabilei de răspuns.
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
200 ???
Introducere în Regresia în R

Terminologie

Variabila de răspuns (a.k.a. variabila dependentă)

Variabila pe care doriți să o preziceți.

Variabilele explicative (a.k.a. variabilele independente)

Variabilele care explică modul în care se va modifica variabila de răspuns.

Introducere în Regresia în R

Regresia liniară și logistică

Regresia liniară

  • Variabila de răspuns este numerică.

Regresia logistică

  • Variabila de răspuns este logică.

Regresia liniară/logistică simplă

  • Există o singură variabilă explicativă.
Introducere în Regresia în R

Vizualizarea perechilor de variabile

library(ggplot2)

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

Grafic de dispersie al plății totale față de numărul de cereri. Plata crește odată cu numărul de cereri.

Introducere în Regresia în R

Adăugarea unei linii de tendință liniară

library(ggplot2)

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

Același grafic de dispersie, acum cu o linie de tendință calculată prin regresie liniară. Aceasta oferă un ajustament rezonabil al datelor.

Introducere în Regresia în R

Structura cursului

Capitolul 1

Vizualizarea și ajustarea modelelor de regresie liniară.

Capitolul 2

Realizarea predicțiilor din modele de regresie liniară și înțelegerea coeficienților modelului.

Capitolul 3

Evaluarea calității modelului de regresie liniară.

Capitolul 4

Același lucru, dar cu modele de regresie logistică.

Introducere în Regresia în R

Să exersăm!

Introducere în Regresia în R

Preparing Video For Download...