Predicții și rapoarte de cote

Introducere în Regresia în R

Richie Cotton

Data Evangelist at DataCamp

Predicțiile ggplot

plt_churn_vs_recency_base <- ggplot(
  churn, 
  aes(time_since_last_purchase, has_churned)
) +
  geom_point() +
  geom_smooth(
    method = "glm", 
    se = FALSE, 
    method.args = list(family = binomial)
  )

O diagramă de dispersie a abandonului față de timpul de la ultima achiziție, cu o linie de tendință logistică.

Realizarea predicțiilor

mdl_recency <- glm(
  has_churned ~ time_since_last_purchase, data = churn, family = "binomial"
)

explanatory_data <- tibble(
  time_since_last_purchase = seq(-1, 6, 0.25)
)

prediction_data <- explanatory_data %>% 
  mutate(
    has_churned = predict(mdl_recency, explanatory_data, type = "response")
  )

Adăugarea predicțiilor punctuale

plt_churn_vs_recency_base +
  geom_point(
    data = prediction_data, 
    color = "blue"
  )

Diagrama de dispersie a abandonului față de timpul de la ultima achiziție, cu o linie de tendință logistică. Graficul este adnotat cu rezultatele din predict(), care urmează exact linia de tendință.

Obținerea celui mai probabil rezultat

prediction_data <- explanatory_data %>% 
  mutate(
    has_churned = predict(mdl_recency, explanatory_data, type = "response"),
    most_likely_outcome = round(has_churned)
  )

Vizualizarea celui mai probabil rezultat

plt_churn_vs_recency_base +
  geom_point(
    aes(y = most_likely_outcome),
    data = prediction_data,
    color = "green"
  )

Diagrama de dispersie a abandonului față de timpul de la ultima achiziție, cu o linie de tendință logistică. Graficul este adnotat cu cele mai probabile rezultate. Pentru un timp scurt de la ultima achiziție, cel mai probabil rezultat este non-abandonul. Pentru un timp lung de la ultima achiziție, cel mai probabil rezultat este abandonul.

Rapoarte de cote

Raportul de cote este probabilitatea ca ceva să se întâmple împărțită la probabilitatea că nu se întâmplă.

$$ odds\_ratio = \frac{probability}{(1 - probability)} $$

$$ odds\_ratio = \frac{0.25}{(1 - 0.25)} = \frac{1}{3} $$

Un grafic liniar al raportului de cote față de probabilitate. Curba crește asimptotic spre infinit pe măsură ce probabilitatea tinde spre unu.

Calcularea raportului de cote

prediction_data <- explanatory_data %>%
  mutate(
    has_churned = predict(mdl_recency, explanatory_data, type = "response"),
    most_likely_response = round(has_churned),
    odds_ratio = has_churned / (1 - has_churned)
  )

Vizualizarea raportului de cote

ggplot(
  prediction_data, 
  aes(time_since_last_purchase, odds_ratio)
) +
  geom_line() +
  geom_hline(yintercept = 1, linetype = "dotted")

Un grafic liniar al raportului de cote față de timpul de la ultima achiziție, cu o linie la raportul de cote egal cu unu. Pentru un timp scurt, cel mai probabil rezultat este non-abandonul. Cotele de abandon cresc odată cu creșterea timpului, până la de cinci ori cotele de non-abandon.

Vizualizarea raportului logaritmic de cote

ggplot(
  prediction_data, 
  aes(time_since_last_purchase, odds_ratio)
) +
  geom_line() +
  geom_hline(yintercept = 1, linetype = "dotted") +
  scale_y_log10()

Graficul liniar al raportului de cote față de timpul de la ultima achiziție, cu o linie la raportul de cote egal cu unu. Axa y folosește o scară logaritmică, ceea ce a transformat linia raportului de cote într-una liniară.

Calcularea raportului logaritmic de cote

prediction_data <- explanatory_data %>%
  mutate(
    has_churned = predict(mdl_recency, explanatory_data, type = "response"),
    most_likely_response = round(has_churned),
    odds_ratio = has_churned / (1 - has_churned),
    log_odds_ratio = log(odds_ratio),
    log_odds_ratio2 = predict(mdl_recency, explanatory_data)
  )

Toate predicțiile împreună

tm_snc_lst_prch	has_churned	most_lkly_rspns	odds_ratio	log_odds_ratio	log_odds_ratio2
0	0.491	0	0.966	-0.035	-0.035
2	0.623	1	1.654	0.503	0.503
4	0.739	1	2.834	1.042	1.042
6	0.829	1	4.856	1.580	1.580
...	...	...	...	...	...

Compararea scalelor

Scală	Valorile sunt ușor de interpretat?	Modificările sunt ușor de interpretat?	Este precisă?
Probabilitate	✔	✘	✔
Cel mai probabil rezultat	✔✔	✔	✘
Raport de cote	✔	✘	✔
Raport logaritmic de cote	✘	✔	✔

Să exersăm!

Introducere în Regresia în R