Povestea a două variabile

Introducere în regresia cu statsmodels în Python

Maarten Van den Broeck

Content Developer at DataCamp

Date despre asigurările auto suedeze

  • 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 cu statsmodels în Python

Statistici descriptive

import pandas as pd
print(swedish_motor_insurance.mean())

n_claims             22.904762
total_payment_sek    98.187302
dtype: float64

print(swedish_motor_insurance['n_claims'].corr(swedish_motor_insurance['total_payment_sek']))

0.9128782350234068
Introducere în regresia cu statsmodels în Python

Ce este regresia?

  • Modele statistice pentru explorarea relației dintre o variabilă răspuns și variabilele explicative.
  • Pe baza valorilor variabilelor explicative, se pot prezice valorile variabilei răspuns.
n_claims total_payment_sek
108 3925
19 462
13 157
124 4222
40 1194
200 ???
Introducere în regresia cu statsmodels în Python

Terminologie

Variabila răspuns (alias variabila dependentă)

Variabila pe care doriți să o preziceți.

Variabilele explicative (alias variabilele independente)

Variabilele care explică modul în care se modifică variabila răspuns.

Introducere în regresia cu statsmodels în Python

Regresia liniară și regresia logistică

Regresia liniară

  • Variabila răspuns este numerică.

Regresia logistică

  • Variabila răspuns este logică.

Regresia liniară/logistică simplă

  • Există o singură variabilă explicativă.
Introducere în regresia cu statsmodels în Python

Vizualizarea perechilor de variabile

import matplotlib.pyplot as plt
import seaborn as sns

sns.scatterplot(x="n_claims",
                y="total_payment_sek",    
                data=swedish_motor_insurance)

plt.show()

Grafic de dispersie al plăților totale față de numărul de daune. Plățile cresc odată cu numărul de daune.

Introducere în regresia cu statsmodels în Python

Adăugarea unei linii de tendință liniară

sns.regplot(x="n_claims",
            y="total_payment_sek",
            data=swedish_motor_insurance,
            ci=None)

Același grafic de dispersie, acum cu o linie de tendință liniară. Aceasta se potrivește rezonabil cu datele.

Introducere în regresia cu statsmodels în Python

Structura cursului

Capitolul 1

Vizualizarea și ajustarea modelelor de regresie liniară.

Capitolul 2

Realizarea de predicții din modele de regresie liniară și înțelegerea coeficienților.

Capitolul 3

Evaluarea calității modelului de regresie liniară.

Capitolul 4

Același lucru, dar cu modele de regresie logistică.

Introducere în regresia cu statsmodels în Python

Pachete Python pentru regresie

statsmodels

  • Optimizat pentru interpretare (utilizat în acest curs)

scikit-learn

  • Optimizat pentru predicție (utilizat în alte cursuri DataCamp)
Introducere în regresia cu statsmodels în Python

Să exersăm!

Introducere în regresia cu statsmodels în Python

Preparing Video For Download...