Линейная регрессия в R и Python - разные результаты в одной задаче - PullRequest
Новая
       31

Линейная регрессия в R и Python - разные результаты в одной задаче

0 голосов
/ 01 октября 2018

Я тренирую свои навыки работы с данными на python, которые я выучил в R. Хотя у меня есть сомнения по поводу простой линейной регрессии

Climate_change Data: [ссылка здесь]

Python Script 

import os
import pandas as pd
import statsmodels.api as sm



train = df[df.Year>=2006]

X = train[['MEI', 'CO2', 'CH4', 'N2O', 'CFC.11', 'CFC.12', 'TSI', 'Aerosols']]
y = train[['Temp']]
model = sm.OLS(y, X).fit()
predictions = model.predict(X)
model.summary()

Python Result

Деп.Переменная: Temp R-квадрат: 0,972

Модель: OLS Adj.R-квадрат: 0,964

Метод: наименьшие квадраты F-статистика: 123,1

Дата: понедельник, 01 октября 2018 г. Проба (F-статистика): 9,54e-20

Время: 14:52:53 Вероятность записи: 46,898

Нет.Наблюдения: 36 AIC: -77,80

Df Остатки: 28 BIC: -65,13

Df Модель: 8

Тип ковариации: не устойчивый

MEI 0,0361

CO2 0,0046

CH4 -0,0023

N2O -0,011

CFC-11 -0,0312

CFC-12 0,0358

TSI -0,0033

Аэрозоли 69,9680

Омнибус: 8,397 Дурбин-Ватсон: 1,448

Проб (Омнибус): 0,015
Жар-Бера (JB): 10,511

Перекос: -0,546 Проб (JB): 0,00522

Куртоз: 5,412
усл.№ 6.35e + 06

R Сценарий 

train <- climate_change[climate_change$Year>=2006,]
prev <- lm(Temp ~ ., data = train[,3:NCOL(train)])
summary(prev)

R Результат

Остатки: Мин. 1Q Медиана 3Q Макс. -0.221684 -0.032846 0.002042 0.0371580,167887

Коэффициенты: MEI 0,036056 CO2 0,004817
CH4 -0,002366 N2O -0,013007 CFC-11 -0,033194 CFC-12 0,037775 TSI 0,009100 аэрозолей 70,463329 Остаточная стандартная ошибка: 0,07594 при 27 степенях свободы Multiple R-R0.5346, скорректированный R-квадрат: 0.3967 F-статистика: 3.877 на 8 и 27 DF, значение p: 0.003721

Вопрос

R-квадрат имеет большую разницу между ними,также коэффициенты независимой переменной имеют небольшую разницу.Кто-то может объяснить почему?

Ответы [ 2 ]

0 голосов
/ 02 октября 2018

Просто чтобы указать на это: подгонка наименьших квадратов statsmodel по умолчанию не включает константу.Если мы удалим константу из подгонки R, мы получим результаты, очень похожие на реализацию Python, или наоборот, если мы добавим константу в statsmodel -прибор, мы получим результаты, аналогичные R:

Удалите константу в R -связи: 

summary(lm(Temp ~ . - 1, data = train[,3:NCOL(train)]))

Call:
lm(formula = Temp ~ . - 1, data = train[, 3:NCOL(train)])

Residuals:
      Min        1Q    Median        3Q       Max 
-0.221940 -0.032347  0.002071  0.037048  0.167294 

Coefficients:
          Estimate Std. Error t value Pr(>|t|)  
MEI       0.036076   0.027983   1.289   0.2079  
CO2       0.004640   0.008945   0.519   0.6080  
CH4      -0.002328   0.002132  -1.092   0.2843  
N2O      -0.014115   0.079452  -0.178   0.8603  
`CFC-11` -0.031232   0.096693  -0.323   0.7491  
`CFC-12`  0.035760   0.103574   0.345   0.7325  
TSI      -0.003283   0.036861  -0.089   0.9297  
Aerosols 69.968040  33.093275   2.114   0.0435 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.07457 on 28 degrees of freedom
Multiple R-squared:  0.9724,    Adjusted R-squared:  0.9645 
F-statistic: 123.1 on 8 and 28 DF,  p-value: < 2.2e-16

Давайте добавим константу к вызову statsmodel: 

X_with_constant = sm.add_constant(X)

model = sm.OLS(y, X_with_constant).fit()
model.summary()

дает намидентичные результаты: 

OLS Regression Results
Dep. Variable:  Temp    R-squared:  0.535
Model:  OLS Adj. R-squared: 0.397
Method: Least Squares   F-statistic:    3.877
Date:   Tue, 02 Oct 2018    Prob (F-statistic): 0.00372
Time:   10:14:03    Log-Likelihood: 46.899
No. Observations:   36  AIC:    -75.80
Df Residuals:   27  BIC:    -61.55
Df Model:   8       
Covariance Type:    nonrobust       
coef    std err t   P>|t|   [0.025  0.975]
const   -17.8663    563.008 -0.032  0.975   -1173.064   1137.332
MEI 0.0361  0.029   1.265   0.217   -0.022  0.095
CO2 0.0048  0.011   0.451   0.656   -0.017  0.027
CH4 -0.0024 0.002   -0.950  0.351   -0.007  0.003
N2O -0.0130 0.088   -0.148  0.884   -0.194  0.168
CFC-11  -0.0332 0.116   -0.285  0.777   -0.272  0.205
CFC-12  0.0378  0.123   0.307   0.761   -0.215  0.290
TSI 0.0091  0.392   0.023   0.982   -0.795  0.813
Aerosols    70.4633 37.139  1.897   0.069   -5.739  146.666
Omnibus:    8.316   Durbin-Watson:  1.488
Prob(Omnibus):  0.016   Jarque-Bera (JB):   10.432
Skew:   -0.535  Prob(JB):   0.00543
Kurtosis:   5.410   Cond. No.   1.06e+08
0 голосов
/ 01 октября 2018

Как уже упоминалось в комментариях, это может быть проблема с мультиколлинеарностью, основанной на данных предупреждениях.Один из способов проверить, получим ли мы тот же самый r-квадрат, - использовать другой пакет sklearn и построить модель на основе модуля LinearRegression 

from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

regr = LinearRegression()
regr.fit(X, y)
predictions = regr.predict(X)
r2_score(y, predictions)
#0.5345800653144226

Но LinearRegression не дастsummary вывод.Нужно извлечь интересующие параметры

...