Le régression linéaire est l'une des méthodes statistiques les plus utilisées en sciences de données. Elle est utilisée pour prédire les valeurs d'une variable dépendante continue en fonction d'une ou plusieurs variables indépendantes.
import pandas as pa
La gérante d’un commerce veut évaluer l’impact des frais déboursés en publicité par mois (représentés par une variable $X$ exprimée en milliers d’euros) sur le chiffre d’affaires mensuel (représenté par une variable $Y$ exprimée en milliers d’euros). On aimerait évaluer dans quelle mesure une modification du budget publicitaire mensuel affecterait le chiffre d’affaires mensuel. On a donc recueilli sur une période de 10 mois les données du tableau ci-dessous.
Chiffre d'affaires | 220 | 280 | 250 | 170 | 150 | 340 | 310 | 210 | 180 | 190 |
Frais publicitaires | 2.6 | 2.6 | 2.4 | 1.5 | 0.9 | 3.0 | 2.7 | 2.3 | 1.7 | 1.9 |
DataFrame
contenant les données du tableau ci-dessus (voir bibliothèque pandas).
linregress
du module stats
de la bibliothèque scipy
. Observez toutes les valeurs de retour de cette fonction.
Nous sommes intéressés à savoir quels sont les facteurs importants qui influencent ou déterminent la valeur d’une propriété et à construire un modèle qui nous aidera à évaluer cette valeur selon ces facteurs. Pour ce faire, nous avons obtenu la valeur totale pour un échantillon de 79 propriétés dans une région donnée. Voir le fichier proprietes.csv
disponible à l’adresse :
http://www.labri.fr/~zemmari/datasets/proprietes.csv
Le fichier contient les variables suivantes correspondant chacune à un facteur :
Après avoir chargé les données dans un DataFrame
vous pouvez visualiser les premières entrées avec la fonction head
et inspecter globalement les données avec la fonction info
.
describe
)