Ekonometri Bütünleme

Buse Çanakcı

2024-05-23

REGRESYON ANALİZİ

Kozmik bir gizemi çözmek için veri bilimi becerilerinize ihtiyaç duyulan 2912 yılına hoş geldiniz. Dört ışık yılı öteden bir sinyal aldık ve işler pek iyi görünmüyor.

Uzay Gemisi Titanik, bir ay önce fırlatılan yıldızlararası bir yolcu gemisiydi. Gemide neredeyse 13.000 yolcu bulunan gemi, güneş sistemimizden göçmenleri yakın yıldızların yörüngesinde bulunan üç yeni yaşanabilir dış gezegene taşımak üzere ilk yolculuğuna çıktı.

Dikkatsiz Uzay Gemisi Titanic, ilk varış noktası olan kavurucu 55 Cancri E’ye giderken Alpha Centauri’yi dönerken, bir toz bulutunun içine gizlenmiş bir uzay-zaman anormalliğiyle çarpıştı. Ne yazık ki 1000 yıl öncesindeki adaşı ile benzer bir kaderle karşılaştı. Gemi sağlam kalmasına rağmen yolcuların neredeyse yarısı alternatif bir boyuta taşındı!

library(rmarkdown)
## Warning: package 'rmarkdown' was built under R version 4.2.3
library(explore)
## Warning: package 'explore' was built under R version 4.2.3
library(readr)
## Warning: package 'readr' was built under R version 4.2.3
train <- read_csv("train.csv")
## Rows: 8693 Columns: 14
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): PassengerId, HomePlanet, Cabin, Destination, Name
## dbl (6): Age, RoomService, FoodCourt, ShoppingMall, Spa, VRDeck
## lgl (3): CryoSleep, VIP, Transported
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
View(train)
test <- read_csv("test.csv")
## Rows: 4277 Columns: 13
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): PassengerId, HomePlanet, Cabin, Destination, Name
## dbl (6): Age, RoomService, FoodCourt, ShoppingMall, Spa, VRDeck
## lgl (2): CryoSleep, VIP
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

“train” ve “test” veri setini R’a yüklüyoruz

View(test)

Titanic gemisindeki yolcuların yaşı ve kabin numaralarına ait bilgiler aşağıda verilmiştir.

str(train)
## spc_tbl_ [8,693 × 14] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ PassengerId : chr [1:8693] "0001_01" "0002_01" "0003_01" "0003_02" ...
##  $ HomePlanet  : chr [1:8693] "Europa" "Earth" "Europa" "Europa" ...
##  $ CryoSleep   : logi [1:8693] FALSE FALSE FALSE FALSE FALSE FALSE ...
##  $ Cabin       : chr [1:8693] "B/0/P" "F/0/S" "A/0/S" "A/0/S" ...
##  $ Destination : chr [1:8693] "TRAPPIST-1e" "TRAPPIST-1e" "TRAPPIST-1e" "TRAPPIST-1e" ...
##  $ Age         : num [1:8693] 39 24 58 33 16 44 26 28 35 14 ...
##  $ VIP         : logi [1:8693] FALSE FALSE TRUE FALSE FALSE FALSE ...
##  $ RoomService : num [1:8693] 0 109 43 0 303 0 42 0 0 0 ...
##  $ FoodCourt   : num [1:8693] 0 9 3576 1283 70 ...
##  $ ShoppingMall: num [1:8693] 0 25 0 371 151 0 3 0 17 0 ...
##  $ Spa         : num [1:8693] 0 549 6715 3329 565 ...
##  $ VRDeck      : num [1:8693] 0 44 49 193 2 0 0 NA 0 0 ...
##  $ Name        : chr [1:8693] "Maham Ofracculy" "Juanna Vines" "Altark Susent" "Solam Susent" ...
##  $ Transported : logi [1:8693] FALSE TRUE FALSE FALSE TRUE TRUE ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   PassengerId = col_character(),
##   ..   HomePlanet = col_character(),
##   ..   CryoSleep = col_logical(),
##   ..   Cabin = col_character(),
##   ..   Destination = col_character(),
##   ..   Age = col_double(),
##   ..   VIP = col_logical(),
##   ..   RoomService = col_double(),
##   ..   FoodCourt = col_double(),
##   ..   ShoppingMall = col_double(),
##   ..   Spa = col_double(),
##   ..   VRDeck = col_double(),
##   ..   Name = col_character(),
##   ..   Transported = col_logical()
##   .. )
##  - attr(*, "problems")=<externalptr>

Değişkenleri tek-tek inceleyerek hangı değişkenlerde değişlikler yapmamız gerekli.

Veri setinde bazi değişkenler yaratalım, “PassangerId” değişkenini 2’ye böleceğiz birisi “ailenum” aile numarası, diğer “ailesira” aile sırası

library(stringr)
## Warning: package 'stringr' was built under R version 4.2.3
train[c('ailenum', 'ailesira')] <- str_split_fixed(train$PassengerId, "_", 2)

“Test” datası için uygulayalım;

test[c('ailenum', 'ailesira')] <- str_split_fixed(test$PassengerId, "_", 2)

“Train” datası için aile numarası ve aile sırasını ilk sütuna alalım;

train <- train[, c(15:16, 1:14)]

“Test” datası için aile numarası ve aile sırasını ilk sütuna alalım;

test <- test[, c(14:15, 1:13)]

Tablodaki “Cabin” değişkeninde 3 farklı bilgi verilmiş, biz onları ayrı ayrı sütuna ayıralım;

train[c('deck', 'num', 'side')] <- str_split_fixed(train$Cabin, '/', 3)

“Test” datası için aynı değişikliği uygulayalım;

test[c('deck', 'num', 'side')] <- str_split_fixed(test$Cabin, '/', 3)
train[train == ''] <- NA
test[test == ''] <- NA

“Cabin” bilgileri 3’e ayırdıktan sonra tekrar sütunları sıralalım;

train <- train[, c(1:6, 17,18,19, 7:16)]

Şimdi yukarıdaki aynı işlemi “Test” datası için de uygulayalım;

test <- test[, c(1:5, 16,17,18, 6:15)]

Değişiklik yapıldıktan sonra “Cabin” sütununu kaldıralım;

train <- train[, c( 1,2, 3,4, 5, 17,18,19, 7:16 )]

“Test” datası için de aynı şeyi uygulayalım;

test <- test[, c( 1,2, 3,4:8, 10:18 )]

Train datasindeki “HomePlanet” değişkeni boşluklarını “NA” olarak dolduralım;

train$HomePlanet <- addNA(train$HomePlanet)

Aynı şeyi “Test” datası için de uygulayalım;

test$HomePlanet <- addNA(test$HomePlanet)
levels(train$HomePlanet)
## [1] "Earth"  "Europa" "Mars"   NA
levels(train$HomePlanet)[is.na(levels(train$HomePlanet))] <- "NA"
levels(test$HomePlanet)[is.na(levels(test$HomePlanet))] <- "NA"
hist(train$FoodCourt)

library(caTools)
## Warning: package 'caTools' was built under R version 4.2.3
set.seed(123)
split=sample.split(train$Transported,SplitRatio = 0.75)
train_train=subset(train,split=TRUE)
train_test=subset(test,split=FALSE)
transported_gercek<-ifelse(train_test[12]==TRUE,1,0)
cm
## function (x) 
## 2.54 * x
## <bytecode: 0x000001a5d5ac3d48>
## <environment: namespace:grDevices>
(882+781)/(882+781+313+197)
## [1] 0.7653014
cm
## function (x) 
## 2.54 * x
## <bytecode: 0x000001a5d5ac3d48>
## <environment: namespace:grDevices>
(2629+2370)/(2629+2370+914+607)
## [1] 0.7667178
library(stringr)
library(readr)