重回帰分析を行うデータからLinearRegressionクラスを用いて重回帰式を算出してみた

以下の記事で読み込んだデータを元に、住宅価格の最適解を求めることを考える。

重回帰分析を行うデータを読み込んでみた以下の「カリフォルニアの住宅価格データ」で、所得・築年数・部屋数・寝室数・人口・世帯人数・緯度・経度を元に、住宅価格を決めるモデルを...

上記住宅価格の最適解を求めるための、重回帰式の算出を行うクラスを、以下の記事では自前で作成していた。

重回帰分析を行うデータから重回帰式を算出するクラスを作成してみた以下の記事で、\(\boldsymbol{\hat y} = X \boldsymbol w\)の最適解は、\(\boldsymbo...

この実装は、Python で利用できるデータ分析や機械学習のためのライブラリの一つであるscikit-learnを用いて行うこともできる。

今回は、（線形）回帰直線の算出時に利用したことがある、scikit-learnのLinearRegressionクラスを用いた重回帰式の算出を行ってみたので、そのサンプルプログラムを共有する。

LinearRegressionクラスのfitメソッドを呼び出して、目的関数\(\boldsymbol y = X \boldsymbol w\)の\(\boldsymbol w\)を出力した結果は、以下の通り。

import numpy as np
from sklearn.datasets import fetch_california_housing
from sklearn.linear_model import LinearRegression

# カリフォルニアの住宅価格データセットを取得
housing = fetch_california_housing()

# 住宅価格データセットのデータをX, 結果をyとする
X = housing.data
y = housing.target

# LinearRegressionクラスを使って、目的関数y=Xwのwを算出する
lr = LinearRegression()
lr.fit(X, y)

# 小数点以下3桁まで＋指数表記しない形式に設定後、wを出力
np.set_printoptions(precision=3, suppress=True)
print("*** 目的関数y=Xwのwの値(バイアスを除く) ***")
print(lr.coef_)
print("*** 目的関数y=Xwのwの値(バイアス) ***")
print(lr.intercept_)

import numpy as np

from sklearn.datasets import fetch_california_housing

from sklearn.linear_model import LinearRegression

# カリフォルニアの住宅価格データセットを取得

housing = fetch_california_housing()

# 住宅価格データセットのデータをX, 結果をyとする

X = housing.data

y = housing.target

# LinearRegressionクラスを使って、目的関数y=Xwのwを算出する

lr = LinearRegression()

lr.fit(X, y)

# 小数点以下3桁まで＋指数表記しない形式に設定後、wを出力

np.set_printoptions(precision=3, suppress=True)

print("*** 目的関数y=Xwのwの値(バイアスを除く) ***")

print(lr.coef_)

print("*** 目的関数y=Xwのwの値(バイアス) ***")

print(lr.intercept_)

【PR】「Filmora」は初心者でも本格的な動画編集ができる大変便利なツールだった「Filmora」は初心者でも使いやすい動画編集ツールで、テンプレートとして利用できるテキスト・動画・音楽などが充実していると共に、複数...

また、上記LinearRegressionクラスのpredictメソッドを呼び出して、目的関数\(\boldsymbol y = X \boldsymbol w\)の最適解\(\boldsymbol{\hat y}\)を出力した結果は、以下の通り。

import numpy as np
from sklearn.datasets import fetch_california_housing
from sklearn.linear_model import LinearRegression

# カリフォルニアの住宅価格データセットを取得
housing = fetch_california_housing()

# 住宅価格データセットのデータをX, 結果をyとする
X = housing.data
y = housing.target

# LinearRegressionクラスを使って、目的関数y=Xwのwを算出する
lr = LinearRegression()
lr.fit(X, y)

# 小数点以下3桁まで＋指数表記しない形式に設定後、wを出力
np.set_printoptions(precision=3, suppress=True)
print("*** 目的関数y=Xwのwの値(バイアスを除く) ***")
print(lr.coef_)
print("*** 目的関数y=Xwのwの値(バイアス) ***")
print(lr.intercept_)
print()

# 先頭3件のデータx_data, 結果y_data, 目的関数wから算出した結果y_hatを出力する
print("*** 目的関数y=Xwから算出した結果 ***")
for idx in range(3):
    print("*** x_data[{0}]の値 ***".format(idx))
    x_data = X[idx]
    print(x_data)
    print("*** y_data[{0}]の値 ***".format(idx))
    y_data = y[idx]
    print(y_data)
    print("*** y_hat[{0}]の値 ***".format(idx))
    print(lr.predict(x_data.reshape(1, -1)))
    print()

import numpy as np

from sklearn.datasets import fetch_california_housing

from sklearn.linear_model import LinearRegression

# カリフォルニアの住宅価格データセットを取得

housing = fetch_california_housing()

# 住宅価格データセットのデータをX, 結果をyとする

X = housing.data

y = housing.target

# LinearRegressionクラスを使って、目的関数y=Xwのwを算出する

lr = LinearRegression()

lr.fit(X, y)

# 小数点以下3桁まで＋指数表記しない形式に設定後、wを出力

np.set_printoptions(precision=3, suppress=True)

print("*** 目的関数y=Xwのwの値(バイアスを除く) ***")

print(lr.coef_)

print("*** 目的関数y=Xwのwの値(バイアス) ***")

print(lr.intercept_)

print()

# 先頭3件のデータx_data, 結果y_data, 目的関数wから算出した結果y_hatを出力する

print("*** 目的関数y=Xwから算出した結果 ***")

for idx in range(3):

print("*** x_data[{0}]の値 ***".format(idx))

x_data = X[idx]

print(x_data)

print("*** y_data[{0}]の値 ***".format(idx))

y_data = y[idx]

print(y_data)

print("*** y_hat[{0}]の値 ***".format(idx))

print(lr.predict(x_data.reshape(1, -1)))

print()

要点まとめ

Python で利用できるデータ分析や機械学習のためのライブラリの一つとして、scikit-learnがある。
重回帰式の算出は、scikit-learnのLinearRegressionクラスを利用して実施できる。

要点まとめ

(分類を行う)ロジスティック回帰分析の相乗モデルから発生確率を計算してみた

ReLU関数とその微分をグラフ化してみた

ニューラルネットワークで活性化関数にtanh関数を利用してみた

ニューラルネットワークのフォワードプロパゲーションを実装してみた

Pandasを利用してCSVファイルを読み込みカテゴリデータを数値に変換してみた

Kerasを用いたニューラルネットワークで分類モデルを作成してみた