Regressione lineare multipla con Python e Scikit-learn

Quando discutiamo di questa equazione, in cui l'intersezione indica sostanzialmente quando il prezzo della casa è 0 allora quale sarà il prezzo base della casa, e la pendenza o coefficiente indica che con l'unità aumenta di dimensione, allora quale sarà l'unità aumenta in pendenza.

però, In cosa differisce rispetto alla regressione lineare multipla??

Regressione lineare multipla

La regressione lineare multipla indica sostanzialmente che avremo molte caratteristiche come f1, f2, f3, f4, e la nostra funzione di output f5. Se prendiamo lo stesso esempio che abbiamo discusso in precedenza, supponiamo:

f1 è la dimensione della casa.

f2 Sono brutte stanze della casa.

f3 è la città della casa.

f4 è lo stato della casa e,

f5 è la nostra caratteristica di uscita che è il prezzo della casa.

Ora, puoi vedere che più funzionalità standalone hanno un enorme impatto anche sul prezzo della casa, il prezzo può variare da caratteristica a caratteristica. Quando si parla di regressione lineare multipla, quindi la semplice equazione di regressione lineare y = A + Bx si trasforma in qualcosa come:

equazione: y = A + B₁X₁+ B₂X₂+ B₃X₃+ B₄X₄

“Se abbiamo una funzione dipendente e più funzioni indipendenti, in pratica lo chiamiamo regressione lineare multipla. “

Ora, il nostro obiettivo nell'uso della regressione lineare multipla è che dobbiamo calcolare UN cos'è un incrocio?, e B₁ B₂ B₃ B₄ quali sono le pendenze o coefficienti riferiti a questa caratteristica indipendente, che sostanzialmente indica che se aumentiamo il valore di X₁ di 1 guida allora B1 dice quanto valore influenzerà il prezzo della casa, e questo era simile rispetto ad altri B₂ B₃ B₄

Quindi, questa è una breve descrizione teorica della regressione lineare multipla. Ora useremo la libreria di regressione lineare scikit impara per risolvere il problema della regressione lineare multipla.

Set di dati

Ora, applichiamo la regressione lineare multipla sul 50_startup set di dati, puoi cliccare qui per scaricare il set di dati.

Leggi set di dati

La maggior parte del set di dati è in un file CSV, per leggere questo file usiamo la libreria pandas:

df = pd.read_csv('50_Avvio.csv')
df

Qui puoi vedere cosa c'è 5 colonne nel set di dati in cui il stato memorizza i punti dati categorici e il resto sono caratteristiche numeriche.

Ora, dobbiamo classificare le caratteristiche indipendenti e dipendenti:

Variabili indipendenti e dipendenti

C'è un totale di 5 caratteristiche nel set di dati, in cui fondamentalmente i profitti sono la nostra caratteristica dipendente, e il resto sono le nostre caratteristiche indipendenti:

#separare gli altri attributi dall'attributo di previsione
x = df.drop('Profitto',asse=1)
#separte the predicting attribute into Y for model training 
y = ['profitto']

Gestione delle variabili categoriali

Nel nostro set di dati, c'è una colonna categorica Stato, dobbiamo gestire questi valori categorici presenti all'interno di questa colonna per cui useremo i panda get_dummy () funzione:

# maneggiare variabileIn statistica e matematica, un "variabile" è un simbolo che rappresenta un valore che può cambiare o variare. Esistono diversi tipi di variabili, e qualitativo, che descrivono caratteristiche non numeriche, e quantitativo, che rappresentano quantità numeriche. Le variabili sono fondamentali negli esperimenti e negli studi, poiché consentono l'analisi delle relazioni e dei modelli tra elementi diversi, facilitare la comprensione di fenomeni complessi.... categórica

stati = pd.get_dummies (X, drop_first = Vero)

# rimozione della colonna extra

x = x.drop ('Stato', asse = 1)

# concatenazione di variabili indipendenti e nuova variabile categoriale.

x = pd.concat ([X,stati], asse = 1)

X

Divisione dati

Ora, tenemos que dividir los datos en partes de addestramentoLa formazione è un processo sistematico volto a migliorare le competenze, conoscenze o abilità fisiche. Viene applicato in vari ambiti, come lo sport, Formazione e sviluppo professionale. Un programma di allenamento efficace include la pianificazione degli obiettivi, Pratica regolare e valutazione dei progressi. L'adattamento alle esigenze individuali e la motivazione sono fattori chiave per ottenere risultati di successo e sostenibili in qualsiasi disciplina.... y prueba para las que usamos scikit-learn train_test_split () funzione.

# importazione train_test_split da sklearn
da sklearn.model_selection import train_test_split
# dividere i dati
x_treno, x_test, y_train, y_test = train_test_split(X, e, test_size = 0.2, stato_casuale = 42)

Applicazione del modello

Ora, applichiamo il modello di regressione lineare ai nostri dati di addestramento, primo, dobbiamo importare la regressione lineare dalla libreria scikit-learn, non esiste un'altra libreria per implementare la regressione lineare multipla, lo facciamo solo con regressione lineare.

# modulo di importazione
da sklearn.linear_model import LinearRegression
# creazione di un oggetto della classe LinearRegression
LR = regressione lineare()
# adattamento dei dati di allenamento
LR.fit(x_treno,y_train)

Finalmente, se eseguiamo questo, allora il nostro modello sarà pronto, ora abbiamo i dati da x_test, Usiamo questi dati per la previsione di profitto.

y_prediction = LR.predict(x_test)
y_prediction

Ora, dobbiamo confrontare i valori di y_prediction con i valori originali perché dobbiamo calcolare la precisione del nostro modello, che è stato implementato da un concetto chiamato r2_score. discutiamo brevemente di r2_score:

r2_score: –

È una funzione all'interno di sklearn. modulo metriche, dove il valore di r2_score varia tra 0 e 100 per cento, possiamo dire che è strettamente correlato a MSE.

r2 è fondamentalmente calcolato dalla formula fornita di seguito:

formula: r2 = 1 – (SS_res / SS_significare )

Ora, quando dico SS_res vale a dire, è la somma dei residui e SS_significare si riferisce alla somma dei mezzi.

dove,

e = valori originali

e ^ = valori previsti. e,

Se prendiamo il calcolo di questa equazione, allora dobbiamo sapere che il valore della somma delle medie è sempre maggiore della somma dei residui. Se questa condizione è soddisfatta, quindi il nostro modello è buono per le previsioni. I suoi valori vanno da 0,0 e 1.

“La proporzione della varianza nella variabile dipendente che è prevedibile da (S) variabile (S) Indipendente”.

Il miglior punteggio possibile è 1.0 e può essere negativo perché il modello può essere arbitrariamente peggiore. Un modello costante che predice sempre il valore atteso di y, indipendentemente dalle caratteristiche di ingresso, otterrebbe un punteggio R2 di 0.0.

# importazione del modulo r2_score

de sklearn.metrics importa r2_score

de sklearn.metrics importare mean_squared_error

# prevedere il punteggio di precisione

punteggio = r2_score (y_test, y_prediction)

Stampa ('r2 socre è', punteggiatura)

Stampa ('mean_sqrd_error è ==', mean_squared_error (y_test, y_prediction))

Stampa ('root_mean_squared errore di è ==', np.sqrt (mean_squared_error (y_test, y_prediction)))

Puoi vedere che il punteggio di precisione è superiore a 0,8, il che significa che possiamo usare questo modello per risolvere più regressioni lineari, e anche il tasso di errore quadratico medio è basso.

Note finali

Ciao, scienziati dei dati 😎 sopra abbiamo fatto una discussione dettagliata sulla regressione lineare multipla, e l'esempio che usiamo è l'esempio di regressione lineare multipla perfetta. Spero che ora tu capisca meglio la regressione lineare multipla.

spero ti sia piaciuto!

Mi puoi connettere su LinkedIn: www.linkedin.com/in/mayur-badole-189221199

Cosa c'è di più, leggi gli altri miei articoli: https://www.analyticsvidhya.com/blog/author/mayurbadole2407/

Grazie.