Linear Regression Part 3

 

Bad Fit?

Mari kita buat contoh di mana linear regression bukanlah metode terbaik untuk memprediksi nilai masa depan.

Contoh

Nilai-nilai untuk sumbu x dan y ini akan menghasilkan kecocokan yang sangat buruk untuk linear regression:

import matplotlib.pyplot as plt
from scipy import stats

x = [89,43,36,36,95,10,66,34,38,20,26,29,48,64,6,5,36,66,72,40]
y = [21,46,3,35,67,95,53,72,58,10,26,34,90,33,38,20,56,2,47,15]

slope, intercept, r, p, std_err = stats.linregress(x, y)

def myfunc(x):
  return slope * x + intercept

mymodel = list(map(myfunc, x))

plt.scatter(x, y)
plt.plot(x, mymodel)
plt.show()

Hasil:

Dan r untuk relationship?

Contoh

Anda harus mendapatkan r nilai yang sangat rendah.

import numpy
from scipy import stats

x = [89,43,36,36,95,10,66,34,38,20,26,29,48,64,6,5,36,66,72,40]
y = [21,46,3,35,67,95,53,72,58,10,26,34,90,33,38,20,56,2,47,15]

slope, intercept, r, p, std_err = stats.linregress(x, y)

print(r)

Hasilnya: 0,013 menunjukkan relationship yang sangat buruk, dan memberi tahu kita bahwa kumpulan data ini tidak cocok untuk linear regression.