回歸繪圖

R 中的 A/B 測試

Lauryn Burleigh

Data Scientist

線性趨勢線

cor.test(~ Enjoy + Time, data = pizza, 
         method = "pearson")
library(ggplot2)
ggplot(pizza, aes(x = Enjoy, 
                  y = Time)) + 
  geom_point()

正相關散佈圖：y 軸為吃披薩所需時間，x 軸為享受程度。

ggplot(pizza, aes(x = Enjoy, 
                  y = Time)) + 
  geom_point() +
  geom_smooth(method = "lm")

正相關散佈圖：y 軸為吃披薩所需時間，x 軸為享受程度，含藍色最佳擬合直線與信賴區間。

線性預測

linear <- lm(Time ~ Enjoy, 
                data = Pizza) 
Enjoy  <- 12
topredict <-  data.frame(Enjoy) 
prediction <- predict(linear, 
                     newdata = topredict) 

ggplot(pizza, aes(x = Enjoy, y = Time)) + 
  geom_point() +
  geom_smooth(method = "lm") +  
  geom_hline(yintercept = prediction) + 
  geom_vline(xintercept = Enjoy)

正相關散佈圖：y 軸為吃披薩所需時間，x 軸為享受程度，含藍色最佳擬合直線與信賴區間，並在 x=12、y=6.24 處有交會的黑色輔助線。

標示群組

ggplot(pizza, aes(x = Enjoy, y = Time, 
                  color = Topping)) + 
  geom_point() +
  geom_smooth(method = "lm")

正相關散佈圖：y 軸為吃披薩所需時間，x 軸為享受程度；Pepperoni 的點與擬合線為粉色，Cheese 為藍色。

標示群組

ggplot(pizza, aes(x = Enjoy, 
                  y = Time)) + 
  geom_point(aes(colour = Topping)) +
  geom_smooth(method = "lm")

正相關散佈圖：y 軸為吃披薩所需時間，x 軸為享受程度；藍色最佳擬合線，Cheese 的點為粉色，Pepperoni 為藍色。

邏輯斯曲線

ggplot(pizza, aes(x = Enjoy, 
                  y = EatAgain)) + 
  geom_point(aes(colour = Topping)) +
  geom_smooth(method = "glm",  
              method.args = 
                 list(family = 
                      "binomial"))

散佈圖：x 軸為享受程度，y 軸為是否再吃（0 或 1），並含彎曲的邏輯斯回歸曲線。

邏輯斯預測

Enjoy  <- 12

ggplot(pizza2, aes(x = Enjoy, 
                   y = EatAgain)) + 
  geom_point(aes(colour = Topping)) +
  geom_smooth(method = "glm",  
              method.args = 
              list(family = 
                   "binomial")) +
  geom_vline(xintercept = Enjoy)

散佈圖：x 軸為享受程度，y 軸為是否再吃（0 或 1）；Pepperoni 點為粉色，Cheese 為藍色，含邏輯斯回歸曲線與 x=12 的黑色垂直線。

一起來練習吧！

R 中的 A/B 測試