web-dev-qa-db-ja.com

Scikit Learnの多変量/多重線形回帰？

次の形式の.csvファイルにデータセット（dataTrain.csvおよびdataTest.csv）があります。

_Temperature(K),Pressure(ATM),CompressibilityFactor(Z)
273.1,24.675,0.806677258
313.1,24.675,0.888394713
...,...,...
_

このコードを使用して、回帰モデルと予測を構築できます。

_import pandas as pd
from sklearn import linear_model

dataTrain = pd.read_csv("dataTrain.csv")
dataTest = pd.read_csv("dataTest.csv")
# print df.head()

x_train = dataTrain['Temperature(K)'].reshape(-1,1)
y_train = dataTrain['CompressibilityFactor(Z)']

x_test = dataTest['Temperature(K)'].reshape(-1,1)
y_test = dataTest['CompressibilityFactor(Z)']

ols = linear_model.LinearRegression()
model = ols.fit(x_train, y_train)

print model.predict(x_test)[0:5]
_

しかし、私がやりたいのは多変量回帰です。したがって、モデルはCompressibilityFactor(Z) = intercept + coef*Temperature(K) + coef*Pressure(ATM)になります

Scikit-learnでそれを行う方法は？

pythonpandasscikit-learnsklearn-pandas
17
Drizzer Silverberg

上記のコードが単変量で機能する場合は、これを試してください

import pandas as pd
from sklearn import linear_model

dataTrain = pd.read_csv("dataTrain.csv")
dataTest = pd.read_csv("dataTest.csv")
# print df.head()

x_train = dataTrain[['Temperature(K)', 'Pressure(ATM)']].reshape(-1,2)
y_train = dataTrain['CompressibilityFactor(Z)']

x_test = dataTest[['Temperature(K)', 'Pressure(ATM)']].reshape(-1,2)
y_test = dataTest['CompressibilityFactor(Z)']

ols = linear_model.LinearRegression()
model = ols.fit(x_train, y_train)

print model.predict(x_test)[0:5]
17
piRSquared

.values.reshape（-1,2）を使用する必要があるのは正しいです

さらに、式の係数と切片を知りたい場合：

CompressibilityFactor（Z）=インターセプト+ coef Temperature（K）+ coef Pressure（ATM）

あなたはそれらを手に入れることができます：

係数= model.coef_
intercept = model.intercept_

0
Fabrizio Peruzzo