Регресійний аналіз

Аналіз опитувальних даних у Python

EbunOluwa Andrew

Data Scientist

Регресійний аналіз

Зрозуміти зв'язок між змінними
Використовується для точного прогнозу
Оцінити вплив незалежних змінних на залежну
Прогнозує можливості та ризики в майбутньому
Перетворює масиви «сирих» даних на корисну інформацію
Дає фактичну основу для зважених рішень

Люди намагаються зупинити спадну фінансову стрілку

Лінійна регресія методом найменших квадратів (OLS)

Лінійна регресійна модель
- Припускає лінійний зв'язок між змінними x та y
- y = m * x + b
- Метод найменших квадратів (OLS)
- Sum((calculated-observed)^2) => мінімізується

¹ https://seeing-theory.brown.edu/regression-analysis/index.html

Завантаження даних

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       |

Визначення змінних

x = незалежна змінна y = залежна змінна

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... |

Дані опитування

workout_minutes	calories_burned
77	79.775152
21	23.177279
22	25.609262
20	17.857388
36	41.849864

Додати сталий член

x = sm.add_constant(x)
print (x)

Вказує моделі підібрати значення для b

Виконати регресію та оцінити модель

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

Отримання m та b

Побудувати початкові значення

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

Побудова лінії регресії

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()

Прогнозувати відгук

y = 1.0072 * 30 + 0.1552
print(y)

30.3712

Плюси й мінуси лінійної регресії

Переваги
- Добре працює, коли дані лінійно роздільні
Недоліки
- Припускає лінійність навіть для нелінійних випадків

Давайте потренуємось!

Аналіз опитувальних даних у Python