Realizarea predicțiilor

Introducere în regresia cu statsmodels în Python

Maarten Van den Broeck

Content Developer at DataCamp

Setul de date despre pești: bresa

bream = fish[fish["species"] == "Bream"]
print(bream.head())

  species  mass_g  length_cm
0   Bream   242.0       23.2
1   Bream   290.0       24.0
2   Bream   340.0       23.9
3   Bream   363.0       26.3
4   Bream   430.0       26.5

Bresa comună, _Abramis brama_

Introducere în regresia cu statsmodels în Python

Reprezentarea masei față de lungime

sns.regplot(x="length_cm",
            y="mass_g",
            data=bream,
            ci=None)

plt.show()

Diagramă de dispersie a maselor breselor față de lungimile lor, cu o linie de tendință liniară. Punctele sunt aproape de linia de tendință.

Introducere în regresia cu statsmodels în Python

Rularea modelului

mdl_mass_vs_length = ols("mass_g ~ length_cm", data=bream).fit()

print(mdl_mass_vs_length.params)

Intercept   -1035.347565
length_cm      54.549981
dtype: float64
Introducere în regresia cu statsmodels în Python

Date privind valorile explicative de prezis

Dacă setez variabilele explicative la aceste valori,
ce valoare va avea variabila de răspuns?

explanatory_data = pd.DataFrame({"length_cm": np.arange(20, 41)})

    length_cm
0          20
1          21
2          22
3          23
4          24
5          25
     ...
Introducere în regresia cu statsmodels în Python

Apelați predict()

print(mdl_mass_vs_length.predict(explanatory_data))

0       55.652054
1      110.202035
2      164.752015
3      219.301996
4      273.851977
    ...
16     928.451749
17     983.001730
18    1037.551710
19    1092.101691
20    1146.651672
Length: 21, dtype: float64
Introducere în regresia cu statsmodels în Python

Predicții într-un DataFrame

explanatory_data = pd.DataFrame(
  {"length_cm": np.arange(20, 41)}
)

prediction_data = explanatory_data.assign(
    mass_g=mdl_mass_vs_length.predict(explanatory_data)
)

print(prediction_data)

    length_cm         mass_g
0          20      55.652054
1          21     110.202035
2          22     164.752015
3          23     219.301996
4          24     273.851977
..        ...            ...
16         36     928.451749
17         37     983.001730
18         38    1037.551710
19         39    1092.101691
20         40    1146.651672
Introducere în regresia cu statsmodels în Python

Vizualizarea predicțiilor

import matplotlib.pyplot as plt
import seaborn as sns
fig = plt.figure()
sns.regplot(x="length_cm",
            y="mass_g",
            ci=None,
            data=bream,)
sns.scatterplot(x="length_cm",
                y="mass_g",
                data=prediction_data, 
                color="red",
                marker="s")
plt.show()

Diagrama de dispersie a maselor breselor față de lungimile lor, cu o linie de tendință liniară. Graficul a fost adnotat cu punctele calculate folosind predict(). Aceste puncte urmează exact linia de tendință.

Introducere în regresia cu statsmodels în Python

Extrapolarea

Extrapolarea înseamnă realizarea de predicții în afara intervalului datelor observate.

little_bream = pd.DataFrame({"length_cm": [10]})

pred_little_bream = little_bream.assign(
    mass_g=mdl_mass_vs_length.predict(little_bream))

print(pred_little_bream)

   length_cm      mass_g
0         10 -489.847756

Diagrama de dispersie a maselor breselor față de lungimile lor, cu o linie de tendință liniară. Graficul a fost adnotat cu o bresă fictivă de 10 cm și masa sa prezisă.

Introducere în regresia cu statsmodels în Python

Să exersăm!

Introducere în regresia cu statsmodels în Python

Preparing Video For Download...