Linjär regression med parallella lutningar

Intermediär regression med statsmodels i Python

Maarten Van den Broeck

Content Developer at DataCamp

Föregående kurs

Den här kursen bygger på Introduction to Regression with statsmodels in Python

Från enkel till multipel regression

Multipel regression är en regressionsmodell med mer än en förklarande variabel.

Fler förklarande variabler kan ge djupare insikter och bättre prediktioner.

Kursinnehåll

Kapitel 1

Regression med "parallella lutningar"

Kapitel 2

Interaktioner
Simpsons paradox

Kapitel 3

Fler förklarande variabler
Hur linjär regression fungerar

Kapitel 4

Multipel logistisk regression
Den logistiska fördelningen
Hur logistisk regression fungerar

Fiskedataset

mass_g	length_cm	species
242.0	23.2	Bream
5.9	7.5	Perch
200.0	30.0	Pike
40.0	12.9	Roach

Varje rad representerar en fisk
mass_g är responsvariabeln
1 numerisk och 1 kategorisk förklarande variabel

En förklarande variabel i taget

from statsmodels.formula.api import ols

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

print(mdl_mass_vs_length.params)

Intercept   -536.223947
length_cm     34.899245
dtype: float64

1 interceptkoefficient
1 lutningskoefficient

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
dtype: float64

1 interceptkoefficient per kategori

Båda variablerna samtidigt

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

print(mdl_mass_vs_both.params)

species[Bream]    -672.241866
species[Perch]    -713.292859
species[Pike]    -1089.456053
species[Roach]    -726.777799
length_cm           42.568554
dtype: float64

1 lutningskoefficient
1 interceptkoefficient per kategori

Jämföra koefficienter

print(mdl_mass_vs_length.params)

Intercept   -536.223947
length_cm     34.899245

print(mdl_mass_vs_both.params)

species[Bream]    -672.241866
species[Perch]    -713.292859
species[Pike]    -1089.456053
species[Roach]    -726.777799
length_cm           42.568554

print(mdl_mass_vs_species.params)

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

Visualisering: 1 numerisk förklarande variabel

import matplotlib.pyplot as plt
import seaborn as sns

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

plt.show()

Spridningsdiagram över fiskmassa mot längd, med en linjär trendlinje

Visualisering: 1 kategorisk förklarande variabel

sns.boxplot(x="species",
            y="mass_g",
            data=fish,
            showmeans=True)

Lådagram över fiskmassa per art

Visualisering: båda förklarande variablerna

coeffs = mdl_mass_vs_both.params
print(coeffs)

species[Bream]    -672.241866
species[Perch]    -713.292859
species[Pike]    -1089.456053
species[Roach]    -726.777799
length_cm           42.568554

ic_bream, ic_perch, ic_pike, ic_roach, sl = coeffs

sns.scatterplot(x="length_cm",
                y="mass_g",
                hue="species",
                data=fish)

plt.axline(xy1=(0, ic_bream), slope=sl, color="blue")
plt.axline(xy1=(0, ic_perch), slope=sl, color="green")
plt.axline(xy1=(0, ic_pike), slope=sl, color="red")
plt.axline(xy1=(0, ic_roach), slope=sl, color="orange")

En modell med parallella lutningar för fiskmassa mot längd, kategoriserad per art

Nu kör vi en övning!

Intermediär regression med statsmodels i Python