การ Fit การถดถอยเชิงเส้น

การถดถอยเบื้องต้นด้วย statsmodels ใน Python

Maarten Van den Broeck

Content Developer at DataCamp

เส้นตรงกำหนดด้วยสองสิ่ง

จุดตัดแกน y

ค่า $y$ เมื่อ $x$ เท่ากับศูนย์

ความชัน

ปริมาณที่ค่า $y$ เพิ่มขึ้นเมื่อ $x$ เพิ่มขึ้นหนึ่งหน่วย

สมการ

$y = \text{intercept} + \text{slope} * x$

การประมาณค่าจุดตัดแกน y

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเคลื่อนไหว พร้อมเส้นแนวโน้มเชิงเส้น ยอดชำระเพิ่มขึ้นตามจำนวนการเรียกร้องที่เพิ่มขึ้น

การประมาณค่าจุดตัดแกน y

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเรียกร้อง พร้อมคำอธิบายจุดที่เส้นแนวโน้มตัดแกน y

การประมาณค่าจุดตัดแกน y

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเรียกร้อง พร้อมคำอธิบายค่าเมื่อจำนวนการเรียกร้องเท่ากับศูนย์

การประมาณค่าความชัน

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเรียกร้อง พร้อมคำอธิบายสองจุดบนเส้นแนวโน้ม จุดแรกที่ 1,500 โครนาและ 40 การเรียกร้อง อีกจุดที่ 3,500 โครนาและ 100 การเรียกร้อง

การประมาณค่าความชัน

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเรียกร้อง พร้อมคำอธิบายผลต่างของยอดชำระระหว่างสองจุด 3,500 โครนาลบ 1,500 โครนาเท่ากับ 2,000 โครนา

การประมาณค่าความชัน

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเรียกร้อง พร้อมคำอธิบายผลต่างของจำนวนการเรียกร้องระหว่างสองจุด 100 การเรียกร้องลบ 40 การเรียกร้องเท่ากับ 60 การเรียกร้อง

การประมาณค่าความชัน

กราฟกระจายของยอดชำระเงินรวมเทียบกับจำนวนการเรียกร้อง พร้อมคำอธิบายอัตราส่วนของผลต่างยอดชำระและผลต่างจำนวนการเรียกร้อง 2,000 หารด้วย 60 ได้ประมาณ 33

การรันโมเดล

from statsmodels.formula.api import ols

mdl_payment_vs_claims = ols("total_payment_sek ~ n_claims",
                            data=swedish_motor_insurance)


mdl_payment_vs_claims = mdl_payment_vs_claims.fit()

print(mdl_payment_vs_claims.params)

Intercept    19.994486
n_claims      3.413824
dtype: float64

การแปลความหมายค่าสัมประสิทธิ์ของโมเดล

Intercept    19.994486
n_claims      3.413824
dtype: float64

สมการ

$\text{total\_payment\_sek} = 19.99 + 3.41 * \text{n\_claims}$

มาฝึกกันเถอะ!

การถดถอยเบื้องต้นด้วย statsmodels ใน Python