Search this site
Embedded Files
AIMD GPDS Courses
  • Home
  • Courses
  • Contact
AIMD GPDS Courses
  • Home
  • Courses
  • Contact
  • More
    • Home
    • Courses
    • Contact

English  ❯

レッスン 5   ❮   レッスン一覧    ❮    トップ

5.1  sklearnによる前処理

❯  5.2  線形回帰

5.3  ロジスティック回帰

5.4  分類

5.5  クラスタリング

⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺⎺
推定完了時間
❲▹❳  動画   7m49s
☷  コード資料   5m

線形回帰により予測

モデルの作成

線形回帰は、数値の予測に使用できます。Scikit-learnの回帰クラスは、linear_modelモジュールの一部です。

まず、scaleを使ってデータをスケールし、データをモデルにフィットさせる方法を見ていきましょう。

回帰係数とスコアの表示

スコアリング法を使って、R^2の指標を計算できます(範囲は0から1)。数値が1に近いほど、良いモデルを表しています。

重回帰モデルでどの属性が推定に最も影響するかを見るには、回帰係数を含む配列であるcoef_属性を見る必要があります。絶対値が大きいほど、モデルへの影響が大きくなります。

また、intercept_ を使用して、切片を確認することもできます。

最後に、zip関数は両方の属性のイテラブルを生成するので、プリントして確認することも可能です。

回帰線のプロット

2つ以上の次元をプロットすることはできませんが、seabornライブラリのregplotを使って2つの変数をプロットし、回帰直線がどのように見えるかを確認してみましょう。

> ageとindusの属性は、ベータ係数の絶対値が他の属性に比べて低いため、結果にあまり影響しません。
©2023. All rights reserved.  Samy Baladram,
Graduate Program in Data Science - GSIS - Tohoku University
Google Sites
Report abuse
Page details
Page updated
Google Sites
Report abuse