Категориальные объясняющие переменные

Введение в регрессию с statsmodels на Python

Maarten Van den Broeck

Content Developer at DataCamp

Набор данных о рыбах

Каждая строка соответствует одной рыбе.
В наборе данных 128 строк.
Представлены 4 вида рыб:
- Лещ обыкновенный
- Окунь речной
- Щука обыкновенная
- Плотва обыкновенная

species	mass_g
Bream	242.0
Perch	5.9
Pike	200.0
Roach	40.0
...	...

Визуализация числовой и категориальной переменной

import matplotlib.pyplot as plt
import seaborn as sns

sns.displot(data=fish,
            x="mass_g",
            col="species",
            col_wrap=2,
            bins=9)

plt.show()

Фасетная гистограмма количества рыб по массе. Каждая панель соответствует виду: лещ, окунь, щука или плотва.

Описательная статистика: средняя масса по видам

summary_stats = fish.groupby("species")["mass_g"].mean()
print(summary_stats)

species
Bream    617.828571
Perch    382.239286
Pike     718.705882
Roach    152.050000
Name: mass_g, dtype: float64

Линейная регрессия

from statsmodels.formula.api import ols 
mdl_mass_vs_species = ols("mass_g ~ species", data=fish).fit()

print(mdl_mass_vs_species.params)

Intercept           617.828571
species[T.Perch]   -235.589286
species[T.Pike]     100.877311
species[T.Roach]   -465.778571

Модель с константой и без

Модель с константой (из предыдущего слайда)

mdl_mass_vs_species = ols(
  "mass_g ~ species", data=fish).fit()

print(mdl_mass_vs_species.params)

Intercept           617.828571
species[T.Perch]   -235.589286
species[T.Pike]     100.877311
species[T.Roach]   -465.778571

Коэффициенты заданы относительно константы: $617.83 - 235.59 = 382.24!$

Модель без константы

mdl_mass_vs_species = ols(
  "mass_g ~ species + 0", data=fish).fit()

print(mdl_mass_vs_species.params)

species[Bream]    617.828571
species[Perch]    382.239286
species[Pike]     718.705882
species[Roach]    152.050000

При единственной категориальной переменной коэффициенты равны средним значениям.

Давайте потренируемся!

Введение в регрессию с statsmodels на Python