Regresyon Modelleri

Regresyon analizi, değişkenler arasındaki ilişkileri modellemek için kullanılan istatistiksel bir tekniktir. Sonuçları tahmin etmeye ve veri örüntülerini ortaya çıkarmaya yardımcı olur.

Doğrusal regresyon, bağımlı ve bağımsız bir değişken arasındaki ilişkiyi düz bir çizgi kullanarak modeller.

model <- lm(mpg ~ hp, data=mtcars)
summary(model)

Bir saçılım grafiğine regresyon çizgisi eklemek için abline() kullanın.

plot(mtcars$hp, mtcars$mpg)
abline(model, col='red')

Çoklu regresyon, bağımlı değişkendeki değişimi açıklamak için birden fazla bağımsız değişken içerir.

model_multi <- lm(mpg ~ hp + wt, data=mtcars)
summary(model_multi)

R-kare ve p değerleri de dâhil olmak üzere regresyon modelinin kalitesini değerlendirmek için summary() kullanın.

summary(model_multi)

Lojistik regresyon, ikili kategorik sonuçları modeller (ör. başarı ve başarısızlık).

data(mtcars)
mtcars$am <- as.factor(mtcars$am)
model_logit <- glm(am ~ hp + wt, data=mtcars, family='binomial')
summary(model_logit)

Eğitilmiş bir regresyon modelinden tahminler üretmek için predict() kullanın.

predict(model_multi, newdata=data.frame(hp=120, wt=3))

Regresyon modelleri normallik, değişen varyansın olmaması ve hataların bağımsız olması varsayımlarına dayanır. Geçerliliği değerlendirmek için artık grafiklerini kontrol edin.

plot(model_multi$residuals)

Bu derste şunları öğrendiniz:

• Doğrusal ve çoklu regresyonun nasıl uygulanacağını.
• Regresyon modelinin performansının nasıl değerlendirileceğini.
• Regresyon modellerini kullanarak yeni değerlerin nasıl tahmin edileceğini.