Lære Opbygning af Lineær Regression ved Hjælp af Statsmodels

I det foregående kapitel brugte vi en funktion fra NumPy til at beregne parametrene.
Nu vil vi bruge klasseobjektet i stedet for funktionen til at repræsentere lineær regression. Denne tilgang kræver flere linjer kode for at finde parametrene, men den gemmer en masse nyttig information i objektet og gør forudsigelsen mere ligetil.

Opbygning af en lineær regressionsmodel

I statsmodels kan OLS-klassen bruges til at oprette en lineær regressionsmodel.

Vi skal først initialisere et OLS-klasseobjekt ved hjælp af sm.OLS(y, X_tilde). Derefter trænes det ved at bruge fit()-metoden.

model = sm.OLS(y, X_tilde)
model = model.fit()

Hvilket svarer til:

model = sm.OLS(y, X_tilde).fit()

Bemærk

Konstruktøren for OLS-klassen forventer et specifikt array X_tilde som input, hvilket vi så i den normale ligning. Derfor skal du konvertere dit X-array til X_tilde. Dette kan opnås ved at bruge funktionen sm.add_constant().

Parametre

Når modellen er trænet, kan parametrene nemt tilgås ved hjælp af attributten params.


              12345678910111213141516
            
import statsmodels.api as sm   # import statsmodels
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)	# Open the file
X, y = df['Father'], df['Height']	# Assign the variables
# Get the correct form of input for OLS
X_tilde = sm.add_constant(X) 
# Initialize an OLS object
regression_model = sm.OLS(y, X_tilde)
# Train the object
regression_model = regression_model.fit()
# Get the paramters
beta_0, beta_1 = regression_model.params
print('beta_0 is: ', beta_0)
print('beta_1 is: ', beta_1)

Udarbejdelse af forudsigelser

Nye observationer kan nemt forudsiges ved hjælp af predict()-metoden, men input skal også forbehandles for disse:


              1234567891011121314151617
            
import statsmodels.api as sm
import pandas as pd
import numpy as np

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)	# Open the file
X, y = df['Father'], df['Height']	# Assign the variables

X_tilde = sm.add_constant(X)  # Preprocess
regression_model = sm.OLS(y, X_tilde)	# Initialize an OLS object
regression_model = regression_model.fit()	# Train the object

# Predict new values
X_new = np.array([65,70,75])	# Feature values of new instances
X_new_tilde = sm.add_constant(X_new)	# Preprocess X_new
y_pred = regression_model.predict(X_new_tilde)	# Predict the target
print(y_pred)

Få oversigten

Som du sikkert har bemærket, er det ikke helt så enkelt at bruge OLS-klassen som funktionen polyfit(). Men brugen af OLS har sine fordele. Under træningen beregnes der en række statistiske oplysninger. Disse oplysninger kan tilgås med metoden summary().


              123456789101112
            
import statsmodels.api as sm
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
X, y = df['Father'], df['Height']

X_tilde = sm.add_constant(X) # Preprocess X
regression_model = sm.OLS(y, X_tilde)	# Initialize an OLS object
regression_model = regression_model.fit()	# Train the object
# Print the summary
print(regression_model.summary())

Det er mange statistikker. Vi vil gennemgå de vigtigste dele af tabellen i senere afsnit.

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 4

Spørg AI

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

Awesome!

Completion rate improved to 5.26

Stryg for at vise menuen