Lære Opbygning af Lineær Regression

Du kender allerede til simpel lineær regression og hvordan man finder den linje, der passer bedst til dataene. Nu vil du gennemgå alle trin i opbygningen af en lineær regression for et rigtigt datasæt.

Indlæsning af data

Vi har en fil, simple_height_data.csv, med data fra vores eksempler. Vi indlæser filen og ser nærmere på den:


              123456
            
import pandas as pd

file_link = 'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/simple_height_data.csv'
df = pd.read_csv(file_link)	# Read the file

print(df.head())	# Print the first 5 instances from a dataset

Datasættet har to kolonner: den første er 'Father', som er input-funktionen, og den anden er 'Height', som er vores målvariabel.

Vi tildeler vores målvariabler til variablen y og funktionsværdier til X og opretter et scatterplot.


              123456
            
import matplotlib.pyplot as plt

X = df['Father']	# Assign the feature
y = df['Height']	# Assign the target
plt.scatter(X,y)	# Build scatterplot
plt.show()

Bestemmelse af parametre

For at implementere lineær regression i Scikit-learn anvendes klassen LinearRegression.

LinearRegression(fit_intercept=True, copy_X=True, n_jobs=None, positive=False)

Parametre

Klassen LinearRegression har flere parametre, der styrer, hvordan modellen tilpasses.

fit_intercept (standard=True): Bestemmer om intercept (bias) skal beregnes for denne model. Hvis sat til False, bruges ingen intercept i beregningerne (dvs. data forventes at være centreret).
copy_X (standard=True): Hvis True, kopieres X; ellers kan det blive overskrevet.
n_jobs (standard=None): Antallet af jobs, der skal bruges til beregningen. Dette giver kun en hastighedsforøgelse for n_targets > 1 og tilstrækkeligt store problemer. None betyder 1, medmindre det er i en joblib.parallel_backend-kontekst. -1 betyder brug af alle processorer.
positive (standard=False): Når sat til True, tvinges koefficienterne til at være positive. Denne mulighed understøttes kun for tætte arrays.

Almindelige metoder

fit(X, y): Tilpas den lineære model.
predict(X): Forudsig ved brug af den lineære model.
score(X, y): Returner determinanskoefficienten for forudsigelsen.

Attributter

coef_: Estimerede koefficienter for det lineære regressionsproblem.
intercept_: Uafhængig led i den lineære model.

I Scikit-learn anvendes klassen LinearRegression fra modulet linear_model. I modsætning til NumPy angives graden ikke her; denne klasse er specifikt designet til lineære modeller. Metoden .fit() bruges til at beregne parametrene.

Her er et eksempel:


              1234567891011121314
            
from sklearn.linear_model import LinearRegression
import numpy as np

# Convert the pandas Series to a NumPy array, then reshape
X_reshaped = X.values.reshape(-1, 1)

model = LinearRegression()
model.fit(X_reshaped, y) # Train the model

beta_0 = model.intercept_ # Get the intercept (beta_0)
beta_1 = model.coef_[0]   # Get the coefficient (beta_1)

print('beta_0 is', beta_0)
print('beta_1 is', beta_1)

Bemærk

Hvis du ikke er bekendt med syntaksen model.intercept_ og model.coef_, er dette en konvention i Scikit-learn. Attributter, der beregnes (læres) under træningsprocessen, ender altid med en understregning _ (f.eks. intercept_, coef_). intercept_ er en enkelt værdi, mens coef_ er et array, der indeholder koefficienterne for hver feature (i simpel lineær regression indeholder det kun ét element).

Udarbejdelse af forudsigelser

Nu kan vi plotte linjen og forudsige nye variabler ved hjælp af den trænede model.


              123
            
plt.scatter(X, y)    # Build a scatter plot
plt.plot(X, model.predict(X_reshaped), color='red')    # Plot the line using predictions
plt.show()

Nu hvor vi har den trænede model, kan vi bruge .predict()-metoden til at forudsige nye værdier.


              123
            
X_new = np.array([[65], [70], [75]])    # Feature values (must be 2D)
y_pred = model.predict(X_new)           # Predict the target
print('Predicted y: ', y_pred)

Det er altså ret nemt at få parametrene for lineær regression. Men nogle biblioteker kan også give dig ekstra information.

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 3

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Stryg for at vise menuen