Lære Opbygning af Lineær Regression ved Hjælp af NumPy

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-featuret, og den anden er 'Height', som er vores målvariabel.

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


              1234
            
X = df['Father']	# Assign the feature
y = df['Height']	# Assign the target
plt.scatter(X,y)	# Build scatterplot
plt.show()

Bestemmelse af parametre

NumPy har en praktisk funktion til at finde parametrene for lineær regression.

Lineær regression er en polynomiel regression af grad 1 (vi vil gennemgå polynomiel regression i senere afsnit). Derfor skal vi angive deg=1 for at få parametrene til lineær regression.
Her er et eksempel:


              123
            
beta_1, beta_0 = np.polyfit(X, y, 1)	# Get the parameters
print('beta_0 is', beta_0)
print('beta_1 is', beta_1)

Bemærk

Hvis du ikke er bekendt med syntaksen beta_1, beta_0 = np.polyfit(X,y,1), kaldes det for unpacking. Hvis du har en iterator (f.eks. en liste, NumPy-array eller pandas-serie), der indeholder to elementer, svarer det at skrive

a, b = my_iterator

til det samme som

a = my_iterator[0]
b = my_iterator[1]

Og da returværdien fra funktionen polyfit() er et NumPy-array med to værdier, er det tilladt at gøre dette.

Udarbejdelse af forudsigelser

Nu kan vi plotte linjen og forudsige nye variable ved hjælp af parametrene.


              123
            
plt.scatter(X,y)	# Build a scatter plot
plt.plot(X, beta_0 + beta_1 * X, color='red')	# Plot the line
plt.show()

Nu hvor vi har parametrene, kan vi bruge lineær regressionsligningen til at forudsige nye værdier.


              123
            
X_new = np.array([65, 70, 75])	# Feature values of new instances
y_pred = beta_0 + beta_1 * X_new	# Predict the target
print('Predicted y: ', y_pred)

Det er altså ret nemt at finde 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

Suggested prompts:

Can you explain what the parameters beta_0 and beta_1 represent?

How can I interpret the scatterplot and the fitted line?

What extra information can other libraries provide for linear regression?

Stryg for at vise menuen