【Scikit-learn】CSVデータの重回帰分析

2018/12/29 Python プログラミング 機械学習

Pythonと機械学習ライブラリ「scikit-learn」を用いて、重回帰分析を行う方法について解説します。

CSVデータの重回帰分析

重回帰分析とは、以下のような線形回帰モデルを用いて予測する手法です。

式

(1)   \begin{eqnarray*} y = a_1x_1 + a_2x_2 + a_3x_3+ .... +a_nx_n \end{eqnarray*}

変数 説明
y 目的変数（予測したい値）
x_1, x_2, x_3 ... x_n 説明変数（予測に利用するデータ）
a_1, a_2, a_3 .. .a_n 回帰係数（相関係数）

書式

機械学習ライブラリ「scikit-learn」では、sklearn.linear_model.LinearRegressionクラスで重回帰分析を行うことが出来ます。
その使い方は以下の通りです。

sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)
引数 内容
fit_interceptz Trueで切片を求めます。目的変数が原点を必ず通るデータを用いる場合はFalseにします。
normalize Trueで説明変数を事前に正規化します。
copy_X Trueでメモリ内でデータを複製してから実行します。
n_jobs CPUで計算する際のジョブの数です。（-1ですべてのジョブを使用）

その他メソッド

「sklearn.linear_model.LinearRegression」クラスの各メソッドの使い方は次の通りです。

メソッド 内容
fit(x, y[, sample_weight]) 説明変数x、目的変数yとして線形回帰モデルを求めます。
get_params([deep]) 推定に用いたパラメータを取得します。
predict(x) 生成した線形回帰モデルとデータxを用いて予測します。
score(X, y[, sample_weight]) 決定係数を求めます。
set_params(**params) パラメータを設定します。
coef_ 偏回帰係数を取得します。
intercept_ 切片の値を取得します。

【参考文献】
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html

今回はdata.csvのx_1, x_2を説明変数、x_3を目的変数として重回帰分析を行いました。
その結果、x_3は以下の式で推測できるようになります。
x3 = 0.70068905 * x1 + -0.64667957 * x2 + 12.1846948155

CSVファイルを読み込んで、そのデータから重回帰分析を行い、結果（モデル）をファイルに出力（エクスポート）ました。
(sklearn.externals.joblib.dumpを使います）

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
from sklearn import linear_model
from sklearn.externals import joblib

def main():
    data = pd.read_csv("data.csv", sep=",")
    clf = linear_model.LinearRegression()

    # 説明変数に "x1"のデータを使用
    X = data.loc[:, ['x1', 'x2']].as_matrix()

    # 目的変数に "x2"のデータを使用
    Y = data['x3'].as_matrix()

    # 予測モデルを作成（重回帰）
    clf.fit(X, Y)

    # 回帰係数と切片の抽出
    a = clf.coef_
    b = clf.intercept_  

    # 回帰係数
    print("回帰係数:", a)
    print("切片:", b) 
    print("決定係数:", clf.score(X, Y))
    joblib.dump(clf, 'multiple.learn') 

if __name__ == "__main__":
    main()

CSVファイル

data.csv

"x1","x2","x3"
45,17.5,30
38,17.0,25
41,18.5,20
34,18.5,30
59,16.0,45
47,19.0,35
35,19.5,25
43,16.0,35
54,18.0,35
52,19.0,40

【学習ファイル】
・multiple.learn

– 関連記事
1 ■【Scikit-learn】重回帰モデルのファイル出力・保存

最後にsklearn.externals.joblib.loadでCSVファイルを読み込んで、そのデータから重回帰分析を行い、生成して出力した回帰モデルを復元（インポート）しました。

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
from sklearn import linear_model
from sklearn.externals import joblib

def main():
    clf = joblib.load('multiple.learn')

    # 回帰係数と切片の抽出
    a = clf.coef_
    b = clf.intercept_  

    # 回帰係数
    print("回帰係数:", a)
    print("切片:", b) 

if __name__ == "__main__":
    main()
"""
回帰係数: [ 0.70068905 -0.64667957]
切片: 12.1846948155
"""

【data.csv】

"x1","x2","x3"
45,17.5,30
38,17.0,25
41,18.5,20
34,18.5,30
59,16.0,45
47,19.0,35
35,19.5,25
43,16.0,35
54,18.0,35
52,19.0,40
– 関連記事
1 ■【Scikit-learn】重回帰モデルのファイルを読み込む（インポート）
– 関連記事
1 ■Scikit-learn入門・使い方
2 ■Scikit-learnをインストールする方法
3 ■Python入門 サンプル集
関連記事

管理人