Python贝叶斯回归分析住房负担能力数据集

 我想研究如何使用pymc3在贝叶斯框架内进行线性回归。根据从数据中学到的知识进行推断。 

 贝叶斯规则是什么? 

  本质上,我们必须将我们已经知道的知识与世界上的证据相结合,以告诉我们有关世界状况的信息。

这是一个例子。假设存在这种罕见疾病,每10,000人中就有1人随机感染这种疾病。换句话说,您有0.01%的机会患上这种疾病。 幸运的是,有一项测试可以99%的正确识别出患有这种疾病的人,如果没有这种疾病,它也可以正确地说出您99%没有患这种疾病。您参加了测试,结果为阳性。你应该多担心?

好吧,让我们从逻辑上考虑一下。我们知道,每10,000人中就有1人患此病。假设有10,000人。他们中的9,999人没有疾病,但其中1%的人会得到阳性结果。因此,即使只有1人实际患有这种疾病,也有约101人获得了阳性结果。这意味着即使结果为阳性,您也只有101分的几率实际患上该病(或大约1%的几率)。

 数学描述  :

看起来很简单。实际上,这很简单。该公式仅需要一些概率分布的知识。但是实际上,右边的分母通常意味着我们将要计算很多真正的计算重积分。因此,贝叶斯统计被放弃了很多年。从某种意义上讲,它自然而然地脱离了概率论。如果我们只有擅长计算大量数字的东西,那么这类问题就可以解决。

计算机确实非常快地进行计算。实际上,我写这篇文章的时候,我那笨拙的旧笔记本电脑可以进行一些不错的贝叶斯统计,例如我们将要进行的贝叶斯回归。

代码

这是进行贝叶斯回归所需的知识。通常,我们想到这样的回归:

e是正态分布的误差。 

 因此,我们假设:

与先验:

因此,如果我们拥有X和Y的数据,则可以进行贝叶斯线性回归。 

 代码 

 因此,我们要使用的数据集是《  美国住房调查: 2013年住房负担能力数据 》数据集。 

我们感兴趣的是住房负担如何随着年龄而变化。AGE1包含户主的年龄。BURDEN是一个变量,它告诉我们住房费用相对于收入有多大。为简单起见,我们仅关注这两个变量。我们想知道的是,随着年龄的增长,住房负担会变得更容易吗?特别是,我们想知道斜率系数是否为负,并且由于我们处于贝叶斯框架中,因此该概率为负的概率是多少?

因此,让我们从一些先决条件开始,我们将导入所需的库和数据。我们还将进行一些数据清理。

好吧,这很简单。现在,让我们构建上面讨论的模型。让我们做一个散点图,看看数据是什么样子。

结果如下:

数据看起来住房负担天文数字很高,很容易超过收入的10倍。

现在,我们不必为此担心太多。这是构建和运行模型的代码:

看起来与我们上面的模型完全一样,不同之处在于我们还有一个正态分布的截距额外的beta。最后一行是实际为我们运行模型的内容。现在我们的模型已经训练好了,我们可以继续做一些推论工作了。继续运行,然后在运行时执行其他操作。在较旧的笔记本电脑(例如我的笔记本电脑)上,这可能需要花费大量时间。通常,您将需要在GPU上的云中进行这些计算。在笔记本电脑上运行花了47分钟。完成运行后,会看到类似以下内容:

可以看到,我们有斜率和截距的后验分布以及回归的标准偏差。

但是就像我一开始就想知道的那样,住房负担会随着年龄的增长而减少吗?我的想法是,也许是的。随着人们的建立,他们的住房成本将相对于收入下降。这将等于年龄变量的负斜率系数。运行以下代码,则可以找出斜率系数为负的确切概率。

 该系数为负的概率约为13.8%。


可下载资源

​非常感谢您阅读本文,如需帮助请联系我们!


关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。


随时关注您喜欢的主题

在wechat上关注我们

最新洞察

技术干货

Leave A Reply

电子邮件地址不会被公开。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498
error: Content is protected
%d 博主赞过: