Leer Lineaire Regressie Bouwen met Statsmodels | Eenvoudige Lineaire Regressie

Veeg om het menu te tonen

Een lineair regressiemodel bouwen

In statsmodels kan de OLS-klasse worden gebruikt om een lineair regressiemodel te maken.

Eerst moet een OLS-klasseobject worden geïnitialiseerd met sm.OLS(y, X_tilde). Vervolgens wordt het getraind met de fit()-methode.

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

Dit is gelijk aan:

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

Opmerking

De constructor van de OLS-klasse verwacht een specifieke array X_tilde als invoer, zoals we zagen in de Normale Vergelijking. Je moet dus je X-array omzetten naar X_tilde. Dit kan worden gedaan met de functie sm.add_constant().

Parameters vinden

Wanneer het model is getraind, kun je eenvoudig de parameters benaderen via het attribuut params.


              123456789
            
import statsmodels.api as sm
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/simple_height_data.csv')
X, y = df['Father'], df['Height']
X_tilde = sm.add_constant(X)
model = sm.OLS(y, X_tilde).fit()
beta_0, beta_1 = model.params
print(beta_0, beta_1)

Voorspellingen maken

Nieuwe instanties kunnen eenvoudig worden voorspeld met de methode predict(), maar ook hiervoor moet je de invoer preprocessen:


              12345
            
import numpy as np

X_new = np.array([65, 70, 75])
X_new_tilde = sm.add_constant(X_new)
print(model.predict(X_new_tilde))

De samenvatting opvragen

Zoals je waarschijnlijk hebt gemerkt, is het gebruik van de OLS-klasse niet zo eenvoudig als de functie polyfit(). Maar het gebruik van OLS heeft zijn voordelen. Tijdens het trainen berekent het veel statistische informatie. Je kunt deze informatie opvragen met de methode summary().


              1
            
print(model.summary())

Dat zijn veel statistieken. We bespreken de belangrijkste onderdelen van de tabel in latere secties.

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 4

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Sectie 1. Hoofdstuk 4