Göra förutsägelser

Introduktion till regression i R

Richie Cotton

Data Evangelist at DataCamp

Fishdatasetet: braxen

bream <- fish %>% 
  filter(species == "Bream")

species	length_cm	mass_g
Bream	23.2	242
Bream	24.0	290
Bream	23.9	340
Bream	26.3	363
Bream	26.5	430
...	...	...

Visualisera massa mot längd

ggplot(bream, aes(length_cm, mass_g)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

Ett punktdiagram över braxens massa i förhållande till längd, med en linjär trendlinje. Punkterna ligger alla nära trendlinjen.

Köra modellen

mdl_mass_vs_length <- lm(mass_g ~ length_cm, data = bream)

Call:
lm(formula = mass_g ~ length_cm, data = bream)

Coefficients:
(Intercept)    length_cm  
   -1035.35        54.55

Data för förklarande värden att förutsäga

Om jag sätter de förklarande variablerna till dessa värden,
vilket värde skulle responsvariabeln få?

library(dplyr)
explanatory_data <- tibble(length_cm = 20:40)

Anropa predict()

library(tibble)
explanatory_data <- tibble(length_cm = 20:40)

predict(mdl_mass_vs_length, explanatory_data)

         1          2          3          4          5          6 
  55.65205  110.20203  164.75202  219.30200  273.85198  328.40196 
         7          8          9         10         11         12 
 382.95194  437.50192  492.05190  546.60188  601.15186  655.70184 
        13         14         15         16         17         18 
 710.25182  764.80181  819.35179  873.90177  928.45175  983.00173 
        19         20         21 
1037.55171 1092.10169 1146.65167

Förutsäga i en dataram

library(dplyr)
explanatory_data <- tibble(length_cm = 20:40)

prediction_data <- explanatory_data %>% 
  mutate(
    mass_g = predict(
      mdl_mass_vs_length, explanatory_data
    )
  )

# A tibble: 21 x 2
   length_cm mass_g
       <int>  <dbl>
 1        20   55.7
 2        21  110. 
 3        22  165. 
 4        23  219. 
 5        24  274. 
 6        25  328. 
 7        26  383. 
 8        27  438. 
 9        28  492. 
10        29  547. 
# ... with 11 more rows

Visa förutsägelser

ggplot(bream, aes(length_cm, mass_g)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  geom_point(
    data = prediction_data, 
    color = "blue"
  )

Punktdiagrammet över braxens massa mot längd, med en linjär trendlinje. Diagrammet har kompletterats med punkter beräknade med predict(). Dessa punkter följer trendlinjen exakt.

Extrapolering

Extrapolering innebär att göra förutsägelser utanför de observerade datavärdenas intervall.

explanatory_little_bream <- tibble(length_cm = 10)
explanatory_little_bream %>% 
  mutate(
    mass_g = predict(
      mdl_mass_vs_length, explanatory_little_bream
    )
  )

# A tibble: 1 x 2
  length_cm mass_g
      <dbl>  <dbl>
1        10  -490.

Nu kör vi en övning!

Introduktion till regression i R