Pythonと機械学習ライブラリ「scikit-learn」を用いて、重回帰分析した結果(モデル)を出力(エクスポート・ダンプ)する方法について解説します。
重回帰分析とは
重回帰分析とは、以下のような線形回帰モデルを用いて予測する手法です。
式
(1)
変数 | 説明 |
---|---|
目的変数(予測したい値) | |
説明変数(予測に利用するデータ) | |
回帰係数(相関係数) |
書式
機械学習ライブラリ「scikit-learn」では、sklearn.linear_model.LinearRegressionクラスで重回帰分析を行うことが出来ます。
その使い方は以下の通りです。
sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)
引数 | 内容 |
---|---|
fit_interceptz | Trueで切片を求めます。目的変数が原点を必ず通るデータを用いる場合はFalseにします。 |
normalize | Trueで説明変数を事前に正規化します。 |
copy_X | Trueでメモリ内でデータを複製してから実行します。 |
n_jobs | CPUで計算する際のジョブの数です。(-1ですべてのジョブを使用) |
その他メソッド
「sklearn.linear_model.LinearRegression」クラスの各メソッドの使い方は次の通りです。
メソッド | 内容 |
---|---|
fit(x, y[, sample_weight]) | 説明変数x、目的変数yとして線形回帰モデルを求めます。 |
get_params([deep]) | 推定に用いたパラメータを取得します。 |
predict(x) | 生成した線形回帰モデルとデータxを用いて予測します。 |
score(X, y[, sample_weight]) | 決定係数を求めます。 |
set_params(**params) | パラメータを設定します。 |
coef_ | 偏回帰係数を取得します。 |
intercept_ | 切片の値を取得します。 |
【参考文献】
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html
説明変数が複数の場合は「重回帰分析」と呼ばれます。
PythonモジュールScikit-learnでは、「linear_model.LinearRegression()」を用いることで単回帰分析を行うことができます。
今回は、CSVファイルを読み込んで、そのデータから重回帰分析を行い、結果(モデル)をファイルに出力(エクスポート)ました。
(sklearn.externals.joblib.dumpを使います)
ソースコード
サンプルプログラムのソースコードは下記の通りです。
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
from sklearn import linear_model
from sklearn.externals import joblib
def main():
data = pd.read_csv("data.csv", sep=",")
clf = linear_model.LinearRegression()
# 説明変数に "x1"のデータを使用
X = data.loc[:, ['x1', 'x2']].as_matrix()
# 目的変数に "x2"のデータを使用
Y = data['x3'].as_matrix()
# 予測モデルを作成(重回帰)
clf.fit(X, Y)
# 回帰係数と切片の抽出
a = clf.coef_
b = clf.intercept_
# 回帰係数
print("回帰係数:", a)
print("切片:", b)
print("決定係数:", clf.score(X, Y))
joblib.dump(clf, 'multiple.learn')
if __name__ == "__main__":
main()
CSVファイル
data.csv
"x1","x2","x3"
45,17.5,30
38,17.0,25
41,18.5,20
34,18.5,30
59,16.0,45
47,19.0,35
35,19.5,25
43,16.0,35
54,18.0,35
52,19.0,40
実行結果
サンプルプログラムの実行結果は下記の通りです。
【学習ファイル】
・multiple.learn
– | 関連記事 |
---|---|
1 | Scikit-learn入門・使い方 |
2 | Scikit-learnをインストールする方法 |
3 | Python入門 サンプル集 |
コメント