兩個變數的故事

R 迴歸入門

Richie Cotton

Data Evangelist at DataCamp

瑞典汽車保險資料

  • 每列代表瑞典的一個地理區域。
  • 共有 63 列。
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
... ...
R 迴歸入門

描述統計

library(dplyr)
swedish_motor_insurance %>% 
  summarize_all(mean)

# A tibble: 1 x 2
  n_claims total_payment_sek
     <dbl>             <dbl>
1     22.9              98.2

swedish_motor_insurance %>% 
  summarize(
    correlation = cor(n_claims, total_payment_sek)
  )

# A tibble: 1 x 1
  correlation
        <dbl>
1       0.881
R 迴歸入門

什麼是迴歸？

  • 用統計模型探索應變數與解釋變數的關係。
  • 給定解釋變數的值，你可以預測應變數的值。
n_claims total_payment_sek
108 392.5
19 46.2
13 15.7
124 422.2
40 119.4
200 ???
R 迴歸入門

術語

應變數（又稱 dependent variable）

你想要預測的變數。

解釋變數（又稱 independent variables）

用來解釋應變數如何變動的變數。

R 迴歸入門

線性迴歸與邏輯斯迴歸

線性迴歸

  • 應變數為數值型。

邏輯斯迴歸

  • 應變數為布林值。

簡單線性／邏輯斯迴歸

  • 只有一個解釋變數。
R 迴歸入門

視覺化變數配對

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point()

一張散佈圖：總支付金額對理賠件數。理賠件數增加時，支付金額上升。

R 迴歸入門

加入線性趨勢線

library(ggplot2)

ggplot(
  swedish_motor_insurance, 
  aes(n_claims, total_payment_sek)
) +
  geom_point() +
  geom_smooth(
    method = "lm", 
    se = FALSE
  )

同上一張散佈圖，並加上一條以線性迴歸計算的趨勢線。此線對資料的擬合合理。

R 迴歸入門

課程流程

第 1 章

視覺化與配適線性迴歸模型。

第 2 章

用線性迴歸模型做預測，並理解模型係數。

第 3 章

評估線性迴歸模型的品質。

第 4 章

以上流程再做一次，但換成邏輯斯迴歸模型。

R 迴歸入門

一起來練習吧！

R 迴歸入門

Preparing Video For Download...