tässä opetusohjelmassa, voit nähdä, miten suorittaa useita lineaarinen regressio pythonilla käyttäen sekä sklearn ja statsmodels.,s olla katettu:

  1. Tarkastellaan esimerkkinä voidaan käyttää tässä opetusohjelmassa
  2. Tarkistaminen Lineaarisuus
  3. Suorittaa useita lineaarinen regressio Python
  4. Lisäämällä tkinter Graafinen Käyttöliittymä (GUI) kerätä palautetta käyttäjiltä, ja sitten näyttö ennuste tuloksia

loppuun Mennessä tämän opetusohjelma, voit luoda seuraavat liitäntä Python:

Esimerkki Useita Lineaarinen Regressio Python

seuraavassa esimerkissä, käytämme useita lineaarinen regressio ennustaa osakeindeksin hinta (en.,e., riippuva muuttuja) on kuvitteellinen talous käyttämällä 2 riippumaton/input muuttujat:

  • Korko
  • Työttömyys

huomaa, että sinun täytyy vahvistaa, että useat oletukset täyttyvät ennen kuin haet lineaarinen regressio malleja. Erityisesti, sinun täytyy varmistaa, että lineaarinen suhteesta riippuva muuttuja ja riippumaton muuttuja/s (lisää alla tarkistaminen lineaarisuus§).,

katsotaanpa nyt hypätä datajoukon, että me voidaan käyttää:

voit aloittaa, sinun voi kaapata edellä datajoukon pythonilla käyttäen Pandoja DataFrame (suurempia datajoukkoja, voit harkita tuoda tietoja):

Tarkistaminen Lineaarisuus

Ennen kuin voit suorittaa lineaarinen regressiomalli, se on suositeltavaa varmistaa, että tietyt oletukset täyttyvät.

Kuten aiemmin todettiin, haluat ehkä tarkistaa, että lineaarinen suhteesta riippuva muuttuja ja riippumaton muuttuja/s.,

Tässä esimerkissä, haluat ehkä tarkistaa, että lineaarinen suhde välillä:

suorita pika-lineaarisuus tarkista, voit käyttää scatter kaaviot (käyttäen matplotlib-kirjastoa). Esimerkiksi, voit käyttää alla olevaa koodia, jotta juoni suhdetta Stock_Index_Price ja Korko_prosentti:

huomaat, että todellakin lineaarinen suhde välillä Stock_Index_Price ja Korko_prosentti.,ates mennä ylös, osakeindeksin hinta myös nousee:

Ja toisessa tapauksessa, voit käyttää tätä koodia, jotta tontin välinen suhde Stock_Index_Price ja Unemployment_Rate:

Kuten voit nähdä, lineaarinen suhde myös välillä Stock_Index_Price ja Unemployment_Rate – kun työttömyys hinnat nousevat, osakeindeksin hinta menee alas (tässä meillä on vielä lineaarinen suhde, mutta negatiivinen kulmakerroin):

Seuraavaksi aiomme suorittaa varsinaisen useita lineaarinen regressio Python.,

Suorittaa Useita Lineaarinen Regressio

Kun olet lisännyt tiedot, Python, voit käyttää sekä sklearn ja statsmodels saada regression tulokset.

kumpi tahansa menetelmä toimisi, mutta käydään molemmat menetelmät läpi havainnollistamistarkoituksessa.

saatat kopioi alla oleva koodi Python:

Kun olet suorittaa koodia Python, voit tarkkailla kolme osaa:

(1) ensimmäinen osa osoittaa tuotos syntyy sklearn:

Tämä lähtö sisältää siepata ja kertoimia., Voit käyttää tätä tietoa rakentaa useita lineaarinen regressio-yhtälön avulla seuraavasti:

Stock_Index_Price = (Intercept) + (Korko_prosentti coef)*X1 + (Unemployment_Rate coef)*X2

Ja kun liität numerot:

Stock_Index_Price = (1798.4040) + (345.5401)*X1 + (-250.1466)*X2

(2) toinen osa näyttää ennustettu ulostulo käyttäen sklearn:

Kuvittele, että haluat ennustaa osakeindeksin hinta, kun olet kerännyt seuraavat tiedot:

  • Korko = 2.75 (ts., X1= 2.75)
  • Työttömyysaste = 5.3 (eli X2= 5.3)

Jos liität että tiedot regressioyhtälö, saat saman ennustettu tulos näkyy toisessa osassa:

Stock_Index_Price = (1798.4040) + (345.5401)*(2.75) + (-250.1466)*(5.3) = 1422.86

(3) kolmas osa näyttää kattava taulukko tilastotietoa syntyy statsmodels.,

Tämä tieto voi tarjota sinulle uusia oivalluksia käytetty malli (kuten fit-malli, standardi-virheet, jne):

Huomaa, että kertoimet kiinni tässä taulukossa (korostettu punaisella) ottelun kertoimet syntyy sklearn.

se on hyvä merkki! saimme johdonmukaisia tuloksia soveltamalla sekä sklearn ja statsmodels.

Seuraava, näet miten luoda GUI Pythonissa kerätä panos käyttäjiltä, ja sitten näyttää ennustuksen tulokset.,

GUI, jota käytetään Python

Monilinjaiseen regressioon tästä alkaa todellinen hauskuus!

Miksi ei luoda Graafinen Käyttöliittymä (GUI), jonka avulla käyttäjät voivat syöttää riippumattomien muuttujien saadakseen ennustettu tulos?

Se voi olla, että jotkut käyttäjät eivät tiedä paljoakaan syöttämällä tiedot Python koodia itse, joten on järkevää luoda heille yksinkertainen käyttöliittymä, jossa he voivat hallita tietojen yksinkertaisemmalla tavalla.,

voit jopa luoda Batch-tiedoston käynnistääksesi Python-ohjelman, joten käyttäjien täytyy vain kaksoisnapsauttaa erätiedostoa GUI: n käynnistämiseksi.

Tässä on koko Python-koodi perimmäinen Regressio GUI:

Kun olet suorittaa koodia, näet tämän GUI, joka sisältää lähtö tuottamat sklearn ja scatter kaaviot:

Muista, että aiemmin teimme ennustaminen käyttämällä seuraavia arvoja:

  • Korko = 2.75
  • Työttömyysaste = 5.,3

Kirjoita nämä arvot input laatikot, ja sitten klikkaa ’Ennustaa osakeindeksi Hinta’ – painiketta:

Voit nyt nähdä ennustettu tulos 1422.86, joka vastaa kanssa arvo olet nähnyt ennen.

saatat myös haluta tarkistaa seuraavat opetusohjelma oppia lisää upottaminen kaavioita tkinter GUI.

johtopäätös

lineaarista regressiota käytetään usein Koneoppimisessa. Olet nähnyt joitakin esimerkkejä siitä, miten suorittaa useita lineaarinen regressio pythonilla käyttäen sekä sklearn ja statsmodels.,

Ennen kuin lineaarinen regressio malleja, varmista tarkistaa, että lineaarinen suhteesta riippuva muuttuja (eli, mitä olet yrittää ennustaa) ja riippumaton muuttuja/s (eli input-muuttuja/s).