Regressionsanalys

Analysera enkätdata med Python

EbunOluwa Andrew

Data Scientist

Regressionsanalys

  • Förstå sambandet mellan variabler
  • Används för att förutsäga ett exakt utfall
  • Mäter hur olika oberoende variabler påverkar den beroende variabeln
  • Prognostiserar framtida möjligheter och risker
  • Omvandlar stora mängder rådata till användbar information
  • Ger faktaunderlag för välgrundade beslut

Personer som försöker hålla tillbaka en nedåtgående finansiell pil

Analysera enkätdata med Python

Linjär regression med minsta kvadratmetoden (OLS)

  • Linjär regressionsmodell
    • Antar ett linjärt samband mellan x- och y-variabeln
    • y = m * x + b
    • Minsta kvadratmetoden (OLS)
    • Sum((beräknat-observerat)^2) => minimeras

https://seeing-theory.brown.edu/regression-analysis/index.html

1 https://seeing-theory.brown.edu/regression-analysis/index.html
Analysera enkätdata med Python

Läsa in data

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import statsmodels.api as sm

exercise_data = pd.read_csv('workout_survey_data.csv')
print(exercise_data.head())

| workout_minutes | calories_burned |
|-----------------|-----------------|
| 77              | 79.775152       |
| 21              | 23.177279       |
| 22              | 25.609262       |
| 20              | 17.857388       |
Analysera enkätdata med Python

Definiera variabler

x = oberoende variabel y = beroende variabel

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist() 
print(x,'\n',y)

| [77, 21, 22, 20, 36...           |
|----------------------------------|
| [79.7, 23.1, 25.6, 17.8, 41.8... |

Undersökningsdata

workout_minutes calories_burned
77 79.775152
21 23.177279
22 25.609262
20 17.857388
36 41.849864
Analysera enkätdata med Python

Lägg till konstantterm

x = sm.add_constant(x)
print (x)
  • Anger att modellen ska anpassa ett värde för b

Analysera enkätdata med Python

Utför regression och anpassning

result = sm.OLS(y,x).fit()
print(result.summary())

Analysera enkätdata med Python

Hämta m och b

Analysera enkätdata med Python

Plotta ursprungliga värden

x = exercise_data.minutes.tolist()
y = exercise_data.calories.tolist()
plt.scatter(x,y)
plt.xlabel('minutes')
plt.ylabel('calories')
plt.show()

Analysera enkätdata med Python

Plotta regressionslinjen

max_x = exercise_data.minutes.max()
min_x = exercise_data.minutes.min()
x = np.arange(min_x, max_x, 1)

y = 1.0072*x + 0.1552

plt.plot(y, 'r')
plt.show()

Analysera enkätdata med Python

Förutsäg svar

y = 1.0072 * 30 + 0.1552
print(y)

30.3712
Analysera enkätdata med Python

För- och nackdelar med linjär regression

  • Fördelar
    • Fungerar bra när data är linjärt separerbar
  • Nackdelar
    • Antar linjärt samband även för icke-linjära fall

Analysera enkätdata med Python

Nu kör vi en övning!

Analysera enkätdata med Python

Preparing Video For Download...