Aprende Construcción de Regresión Lineal

Ya conoces qué es la regresión lineal simple y cómo encontrar la recta que mejor se ajusta a los datos. Ahora recorrerás todos los pasos para construir una regresión lineal utilizando un conjunto de datos real.

Carga de datos

Disponemos de un archivo, simple_height_data.csv, con los datos de nuestros ejemplos. Cargaremos el archivo y lo revisaremos:


              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

El conjunto de datos tiene dos columnas: la primera es 'Father', que es la característica de entrada, y la segunda es 'Height', que es nuestra variable objetivo.

Asignaremos los valores objetivo a la variable y y los valores de la característica a X y construiremos un diagrama de dispersión.


              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()

Encontrar parámetros

Para implementar la regresión lineal en Scikit-learn, se utiliza la clase LinearRegression.

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

Parámetros

La clase LinearRegression tiene varios parámetros que controlan cómo se ajusta el modelo.

fit_intercept (por defecto=True): Decide si se calcula el intercepto (sesgo) para este modelo. Si se establece en False, no se utilizará intercepto en los cálculos (es decir, se espera que los datos estén centrados).
copy_X (por defecto=True): Si es True, X será copiado; de lo contrario, puede ser sobrescrito.
n_jobs (por defecto=None): El número de trabajos a utilizar para el cálculo. Esto solo proporcionará una aceleración para n_targets > 1 y problemas suficientemente grandes. None significa 1 a menos que esté en un contexto joblib.parallel_backend. -1 significa usar todos los procesadores.
positive (por defecto=False): Cuando se establece en True, fuerza a que los coeficientes sean positivos. Esta opción solo es compatible con arreglos densos.

Métodos comunes

fit(X, y): Ajustar el modelo lineal.
predict(X): Predecir usando el modelo lineal.
score(X, y): Retornar el coeficiente de determinación de la predicción.

Atributos

coef_: Coeficientes estimados para el problema de regresión lineal.
intercept_: Término independiente en el modelo lineal.

En Scikit-learn, se utiliza la clase LinearRegression del módulo linear_model. A diferencia de NumPy, aquí no se define el grado; esta clase está diseñada específicamente para modelos lineales. Se utiliza el método .fit() para calcular los parámetros.

A continuación, un ejemplo:


              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)

Nota

Si no está familiarizado con la sintaxis model.intercept_ y model.coef_, esta es una convención de Scikit-learn. Los atributos que se calculan (aprenden) durante el proceso de entrenamiento siempre terminan con un guion bajo _ (por ejemplo, intercept_, coef_). El intercept_ es un valor único, mientras que coef_ es un arreglo que contiene los coeficientes para cada característica (en la regresión lineal simple, solo tiene un elemento).

Realización de predicciones

Ahora se puede graficar la línea y predecir nuevas variables utilizando el modelo entrenado.


              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()

Ahora que se dispone del modelo entrenado, se puede utilizar el método .predict() para predecir nuevos valores.


              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)

Por lo tanto, es bastante sencillo obtener los parámetros de la regresión lineal. Sin embargo, algunas bibliotecas también pueden proporcionar información adicional.

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 3

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Desliza para mostrar el menú