Kurssisisältö
Lineaarinen Regressio Pythonilla
Lineaarinen Regressio Pythonilla
Lineaarisen Regressiomallin Rakentaminen Statsmodels-Kirjastolla
Edellisessä luvussa käytimme NumPyn funktiota parametrien laskemiseen.
Nyt käytämme funktiokutsun sijaan luokkaoliota lineaarisen regressiomallin esittämiseen. Tämä lähestymistapa vaatii enemmän koodirivejä parametrien löytämiseksi, mutta se tallentaa paljon hyödyllistä tietoa olion sisään ja tekee ennustamisesta suoraviivaisempaa.
Lineaarisen regressiomallin rakentaminen
Statsmodels-kirjastossa OLS-luokkaa voidaan käyttää lineaarisen regressiomallin luomiseen.
Ensin täytyy alustaa OLS-luokan olio käyttämällä
sm.OLS(y, X_tilde).
Tämän jälkeen malli opetetaan fit()-metodilla.
model = sm.OLS(y, X_tilde)
model = model.fit()
Mikä on sama kuin:
model = sm.OLS(y, X_tilde).fit()
OLS-luokan konstruktori odottaa tiettyä taulukkoa X_tilde syötteenä, kuten näimme normaaliyhtälössä. Siksi sinun täytyy muuntaa X-taulukkosi muotoon X_tilde. Tämä onnistuu käyttämällä funktiota sm.add_constant().
Parametrien löytäminen
Kun malli on opetettu, voit helposti tarkastella parametreja params-attribuutin avulla.
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)
Ennusteiden tekeminen
Uusien havaintojen ennustaminen onnistuu helposti predict()-metodilla, mutta myös näiden syötteet täytyy esikäsitellä:
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)
Yhteenvetotietojen hakeminen
Kuten olet ehkä huomannut, OLS-luokan käyttö ei ole yhtä suoraviivaista kuin polyfit()-funktion. OLS:n käytössä on kuitenkin etunsa. Mallin koulutuksen aikana lasketaan paljon tilastollista tietoa. Näihin tietoihin pääsee käsiksi summary()-metodin avulla.
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())
Tämä on paljon tilastotietoa. Käsittelemme taulukon tärkeimmät osat myöhemmissä osioissa.
Kiitos palautteestasi!
