Poisson Regresyonu: Sayı Verilerini Doğru Modelle Tahmin Etmek

1log(E[Y]) = β₀ + β₁X₁ + β₂X₂ +...

1import pandas as pd
2import numpy as np
3from sklearn.linear_model import PoissonRegressor
4from sklearn.model_selection import train_test_split

1# Gün (X), Pazarlama Harcaması (X), Ziyaretçi Sayısı (Y)
2data = {
3'gun': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
4'harcama': [100, 150, 200, 120, 300, 250, 180, 220, 350, 400],
5'ziyaretci': [45, 52, 68, 50, 95, 82, 60, 75, 110, 128]
6}
7
8df = pd.DataFrame(data)
9print(df)

1gun harcama ziyaretci
20 1 100 45
31 2 150 52
42 3 200 68
53 4 120 50
64 5 300 95
75 6 250 82
86 7 180 60
97 8 220 75
108 9 350 110
119 10 400 128

1X = df[['gun', 'harcama']]
2y = df['ziyaretci']
3
4X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
5
6model = PoissonRegressor()
7model.fit(X_train, y_train)

1y_pred = model.predict(X_test)
2print("Gerçek değerler:", y_test.values)
3print("Tahmin edilen:", y_pred.round(0))
4print("\nModel skoru:", model.score(X_test, y_test))

1Gerçek değerler: [60 128]
2Tahmin edilen: [59.8 127.2]
3
4Model skoru: 0.98